8月15日，美国国防高级研究计划局（DARPA）宣布与美国地质调查局（USGS）合作，探索机器学习和人工智能工具和技术的潜力，显着加快对国家关键矿产资源的评估，并发起人工智能关键矿物评估竞赛^[1]。

美国依赖各种被称为“关键矿物”的非燃料原材料来生产对国家安全至关重要的产品，由于需求增加和国内供应有限，关键矿物越来越依赖进口，这对美国供应链构成重大风险。目前美国关键矿物清单包括50种矿物，使用传统技术进行评估速度太慢。作为探索性研究的一部分，DARPA发起了人工智能关键矿物评估竞赛，旨在寻求从扫描地图或光栅地图中自动提取和坐标化特征的创新解决方案，具体包含两个独立的挑战：

（1）地图坐标化挑战：由于USGS大多数地图都没有数字化，自动地图坐标化是一项艰巨的任务，而且，扫描地图上的特征质量对于确定对准控制点至关重要，其差异很大。参与者将收到1000个或更多不同类型地图的数据集，用于培训和验证。该挑战的目标是通过拟合坐标点来精确定位未知位置和坐标系地图，该坐标点可以参考一个或多个底图中的已知位置。

（2）地图特征提取挑战：自动提取地图特征也很艰巨，因为地图特征经常重叠并且有时是不连续的。特征不仅有各种形状和大小，而且相同的特征类型可以使用不同的符号或图案在不同的地图中进行描绘，这使得即使为单个特征（例如矿山位置或矿产资源区域）创建通用标识符也具有挑战性。该竞赛将为参与者提供一个训练集，该集由地图组成，每个图例项都被标记和表征（如点、线或多边形）。该挑战的目标是识别地图图例中出现的所有地图特征。                     （杨况骏瑜）