2026-03-06 | 서지혜 기자

发展中国家数据匮乏由韩国研究团队破解…开发学习全球贫民区的AI

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

通过卫星图像识别城市贫困地区的人工智能(AI)技术问世。该技术让AI自行适应城市环境并探测贫困地区,有望为发展中国家的数据获取作出贡献,并改变城市政策的制定方式。

KAIST于9日表示,计算机学院教授车美英与技术经营学院教授金智熙的研究团队,与全南大学地理学系教授梁在石开展共同研究,开发出基于卫星图像的通用贫民区探测AI技术。

城市贫困地区的建筑形态与密集度差异极大,数据获取不易,准确度也偏低。尤其在发展中国家,标示贫困地区位置的数据本身就不足,AI学习也十分困难。为解决这一问题,研究团队引入了“专家混合(Mixture-of-Experts)”结构,让多个AI模型分别学习不同地区的特性,当输入新的城市时自动选择最合适的模型。此外还应用了“测试时适应(Test-Time Adaptation)”技术,使AI在新城市中也能自行提升性能,即通过比较多个模型的预测结果、只信任共同一致的区域来减少误差。研究团队将该技术应用于非洲坎帕拉(Kampala)、马普托(Maputo)等主要城市,结果确认其比既有技术能更精细地区分贫民区。

该研究在全球最高权威的人工智能学术大会“国际人工智能学会(AAAI)2026”上获得“社会影响力AI(AI for Social Impact)”领域最优秀论文奖(Best Paper Award)。该领域投稿的693篇论文中仅有2篇入选,属最高荣誉,这一佳绩印证了韩国研究团队的创新性AI技术实力不仅是单纯的技术进步,在创造实际社会价值方面也达到世界顶尖水平。研究人员期待该技术可应用于发展中国家城市基础设施规划、灾难与传染病脆弱地区识别、居住环境改善项目对象选定、联合国可持续发展目标(SDGs)执行情况检查等多种政策领域。车美英教授表示:“这项研究表明AI不只是单纯的分析工具,在数据匮乏的地区也能为解决社会问题作出贡献。”

本次研究由KAIST计算机学院研究员李秀敏、朴成源作为共同第一作者参与,研究成果已于今年1月在新加坡举行的AAAI 2026上发表。

阅读韩文原文