Kunstig intelligens har estimert graden av overvekt av innbyggere i visse områder i USA ved bruk av satellittfotografier. For å gjøre dette brukte algoritmen ikke bilder av individer, men andre data, for eksempel distribusjon av bygninger og trær i området. Resultatene av arbeidet presenteres i magasinet JAMA Network Open.
Noen folkehelseproblemer er så store at de kan sees fra verdensrommet. I det nye arbeidet brukte forskere dyp nevralt nettverkslæring for å analysere satellittdata fra fire boligområder i USA. For å gjøre dette brukte vi data om bymiljøet, både naturlig og kunstig: tilstedeværelsen av parker, plasseringen av veier, gangfelt, en rekke typer hus, og så videre.
Kilden til dataene var fotografier av 1 695 nabolag i Los Angeles, Memphis, San Antonio og Seattle fra Google Maps-tjenesten - totalt rundt 150 000 bilder. Fra disse bildene hentet nevrale nettverket data om fordelingen av vegetasjon, veienes plassering og tilstedeværelsen av hus. Så sammenlignet en annen algoritme informasjonen som ble innhentet med fedmehastigheten i lokalbefolkningen.
Som et resultat kunne skaperne av det nevrale nettverket estimere antall overvektige mennesker enda mer nøyaktig enn det som kunne gjøres basert på antall treningssentre og restauranter i studieområdet. De klarte også å finne en sammenheng mellom planleggingsparametere og inntekt per innbygger.
