Google Maps за откриване на затлъстяване от космоса
Те са използвали невронна мрежа с изкуствен интелект, за да свържат разпространението на затлъстяването в някои градове в Съединените щати с различни фактори на околната среда, като наличието на фитнес зали, паркове или зелени площи.
Въпреки че всеки има своите предпочитания, като цяло всеки, който търси добро място за преместване, обикновено взема предвид поредица от общи характеристики: В близост спирки на обществения транспорт, училища, магазини, болници ...
Най-общо казано, ние търсим инфраструктури улесни живота ни, така че да трябва движете се възможно най-малко през нашето ежедневие. Това е ясно, но наистина ли е единственото нещо, на което трябва да се обърне внимание?
Според ново проучване, публикувано в JAMA Network Open, от учени от Университет във Вашингтон, Има и други фактори, които трябва да се имат предвид, поне ако искате да намерите място къде здравият живот надделява. Те са го показали благодарение на a модел на изкуствен интелект, способен да свърже разпространението на затлъстяването със застроената среда.
Открийте затлъстяването от космоса
През 2016г, имаше по целия свят повече от 340 милиона деца и юноши с наднормено тегло или затлъстяване, според данни на Световната здравна организация.
The Глобалните нива на затлъстяване са се утроили почти през 1975 г. и продължете да напредвате с високи скокове, подхранвани от фактори, произтичащи от настоящия начин на живот, като заседнал начин на живот или увеличаване на предлагането на заведения за бързо хранене.
Всички специалисти са съгласни, че затлъстяването се влияе от много ясни фактори, като генетика, диета, физическа активност и околна среда. Доказателствата обаче сочат асоциации с изградената среда тя варира в широки граници между проучвания и географски контекст. Затова тези изследователи са решили да потърсят тази асоциация, с помощта на Google Maps и изкуствен интелект.
Изследването се основава на използването на a конволюционна невронна мрежа (CNN); т.е. вид изкуствен интелект, който използва дълбоко обучение, за да независимо идентифициране на определени модели в набор от данни.