Konstgjord intelligens har uppskattat graden av fetma hos invånare i vissa områden i USA med hjälp av satellitfotografier. För att göra detta använde algoritmen inte bilder av individer utan andra data, till exempel distribution av byggnader och träd i området. Resultaten av arbetet presenteras i JAMA Network Open magazine.
Vissa folkhälsoproblem är så stora att de kan ses från rymden. I det nya arbetet använde forskare djup neuralt nätverk för att analysera satellitdata från fyra bostadsområden i USA. För att göra detta använde vi data om stadsmiljön, både naturlig och konstgjord: närvaron av parker, platsen för vägar, gångvägar, en mängd olika typer av hus och så vidare.
Källan till uppgifterna var fotografier av 1 695 stadsdelar i Los Angeles, Memphis, San Antonio och Seattle från Google Maps-tjänsten - totalt cirka 150 000 bilder. Från dessa bilder extraherade det neurala nätverket data om fördelningen av vegetation, vägens position och närvaron av hus. Sedan jämförde en annan algoritm den information som erhölls med fetmahastigheten i lokalbefolkningen.
Som ett resultat kunde skaparna av det neurala nätverket uppskatta antalet feta människor ännu mer exakt än vad som kunde göras baserat på antalet gym och restauranger i studieområdet. De lyckades också hitta en koppling mellan planeringsparametrar och inkomst per capita.
