你的邻里长什么样子呢？现在一份研究就要透过 Google 卫星图，来告诉你一个城市与肥胖之间的关连性。
肥胖原因不单纯
身为健康议题，肥胖有很复杂的成因，基因、饮食、运动、社经地位都脱不了关系，现在，两名来自华盛顿大学的研究者决定要从城市发展的角度来切入这个议题。
擅于图像辨识的人工智能
两人使用擅于图像辨识的人工智能“卷积式类神经网络”（Convolutional Neural Network，CNN）来分析，事前已经用 120 万张图像训练该人工智能。进行研究时，他们汇入柏卫（Bellevue）、西雅图（Seattle）、塔科马市（Tacoma）、洛杉矶（Los Angeles）、曼菲斯（Memphis）、圣安东尼奥（San Antonio）6 个城市共 15 万张卫星照片与 Google 街景图。
标出 96 个兴趣点
除此之外，研究者还在这 6 个城市标出 96 种兴趣点（points of interest，POI，注），最后结合各城市的肥胖率，要看看一个城市的发展和肥胖有没有关连。
注：兴趣点是指地图上的某个地标。这可能是你想要去的特定地点、一家店、一个景点，也可能是地图上一定范围内，所有的特定店家，如加油站、饮料店、文具店等。
▲ 人工智能 CNN 帮助研究者聚焦在图像比较重要的特征。从图中可看到卫星图片（左）和 CNN 分析过的结果（中间、右）。（Source：JAMA Network）
结果不意外
以结果来说，他们最主要的发现并没有那么让人意外──邻里密度低、绿地多的地方，人们的健康状况比较好，反之亦然──毕竟这直接影响了人们有没有更多机会和空间活动筋骨。至于从 POI 的角度来分析，则比较难看到 POI 和健康、运动之间的关连。
重点在证明有用
研究中坦承，因为他们未能排除收入等因素，所以可能导致算法出现偏误。不过他们提到，这次研究证实了人工智能 CNN 确实可以更省时间、财力的方式，来全面调查城市发展和肥胖之间的关系。
个人和社区一起纳入考量
一旦得到这样的资讯，他们相信，未来有关单位在拟定与肥胖有关的健康政策时，除了顾及到个人层面的介入，也可以把社区规划纳入考量，像是增建有关身体活动的设施、增加前往健康食品店的便利性等促进健康生活的方式。
▲ 2014 年 3 月芝加哥的城市空拍图。（Source：达志影像）
接下来针对种族和财富
两人也在报告中指出，他们接下来的研究将会聚焦在种族分布、社经地位与肥胖、健康状况的关系。过去就有研究发现低社经地位社区的运动设备比较少，而这样的情况和肥胖有关连。另外两份针对非裔美国人、下层阶级进行的分析则在安全性、身体活动、肥胖之间发现了强烈的关连，在城市地区尤其如此。
不能过度诠释 但很有帮助
对于透过人工智能来分析社区的健康状况，杜克大学的生物统计师戈德斯坦（Benjamin A. Goldstein）评论：“必须注意的是，研究里不能过度诠释得到的结果。”
“话虽如此……社区环境也许会成为健康结果中，一个有价值的指标……进一步来说，机器学习很有可能成为另一种发现疾病关连性的方法──甚至可能（让我们）注意到以前从来没有怀疑过的事物。”
- Artificial intelligence can estimate an area’s obesity levels by analyzing its buildings
- AI CAN PREDICT A CITY’S OBESITY LEVELS FROM ITS BUILDINGS
- Artificial intelligence spots obesity from space
- Scientists Have Trained an AI to Spot Obesity From Space
（本文由 地球图辑队 授权转载；首图来源：Flickr/Ted Eytan CC BY 2.0）
