目前有超过 700 颗成像卫星围绕着地球运转，每天它们都会向地面数据库传送回海量的信息，这些信息或用于监测气候变化、或用于追踪健康和贫困问题。但科学家也面临着一个挑战：虽然地理空间数据可以帮助研究人员和政策制定者应对关键挑战，但只有拥有大量财富和专业知识的人才可以访问它。
现在，加州大学伯克利分校的一个团队设计了一个机器学习系统来解决卫星图像的问题。他们使用低成本、易于使用的技术，可以为研究人员和各国政府带来访问和分析能力。这项名为“使用全球卫星图像进行机器学习的通用且可访问的方法”的研究于 2021 年 7 月 20 日发表在《自然通讯》杂志上。
该项目的共同作者 Esther Rolf 表示：“卫星图像包含大量关于世界的数据，但诀窍是如何将数据转化为有用的见解，而无需人工梳理每张图像。我们为无障碍设计了我们的系统，因此一个人应该能够在笔记本电脑上运行它，而无需专门培训，以解决他们的本地问题”。
该论文的合著者，来自高盛公共政策学院的全球政策实验室主任 Solomon Hsiang 表示：“我们希望我们的行动能够带来全球的影响力。事情的发展速度比过去任何时候都快。我们比以往任何时候都更快地改变资源分配。我们正在改变地球。这需要一个反应更快的管理系统，能够看到这些事情的发生，以便我们能够及时、有效地做出反应”。
该项目由 Hsiang 带领的 Global Policy Lab 和 Benjamin Recht 电气工程和计算机科学系研究团队合作推进。其他合作者还包括目前就读于加州大学圣巴巴拉分校的 Berkeley 博士毕业生Tamma Carleton、现供职于哈佛大学环境与数据科学计划中心的Jonathan Proctor、来自 Rhodium Group 的 Ian Bolliger，来自亚马逊的 Vaishaal Shankar，以及 Berkeley 博士生 Miyabi Ishihara。