211service.com
Amazon og CIA ønsker at lære kunstig intelligens at se fra rummet
Hvorfor kan computere ikke se Jorden fra oven og automatisk kortlægge vores veje, bygninger og affaldsdynger? Satellitoperatøren DigitalGlobe går sammen med Amazon, CIA's venturearm, og chipproducenten Nvidia for at forsøge at få det til at ske.
I et fælles projekt udgav DigitalGlobe i dag satellitbilleder, der afbilder hele Rio de Janeiro med en opløsning på 50 centimeter. Konturerne af 200.000 bygninger inde i byens omkring 1.900 kvadratkilometer er manuelt markeret på billederne. SpaceNet-datasættet, som det kaldes, er beregnet til at sætte gang i bestræbelserne på at træne maskinlæringsalgoritmer til selv at fortolke højopløselige satellitbilleder.
DigitalGlobe siger, at SpaceNet-datasættet i sidste ende skal omfatte billeder i høj opløsning af en halv million kvadratkilometer af Jorden, og at det vil tilføje annotationer ud over kun bygninger. DigitalGlobes data er meget mere detaljerede end offentligt tilgængelige satellitdata som NASA's, der typisk har en opløsning på snesevis af meter. Amazon vil gøre SpaceNet-dataene tilgængelige via sin cloud computing-tjeneste. Nvidia vil levere værktøjer til at hjælpe maskinlærende forskere med at træne og teste algoritmer på dataene, og CosmiQ virker , en afdeling af CIAs venturearm In-Q-Tel med fokus på rummet, støtter også projektet.
Software vil blive trænet til at mærke bygninger i satellitbilleder ved hjælp af et datasæt af billeder som dette.
Vi er nødt til at udvikle nye algoritmer til disse data, siger Tony Frazier, senior vicepræsident hos DigitalGlobe. Virksomheden driver fire billeddannende satellitter og leverer data til amerikanske efterretningstjenester, humanitære agenturer og andre organisationer, der i dag hovedsageligt er afhængige af mennesker til at udtrække data fra billeder.
Frazier siger, at det burde være muligt at træne software til at gøre ting som at kortlægge veje og bygninger i shanty-byer, spore ændringer i byinfrastruktur som parkbænke og stopskilte og måle materialer, der bruges i tage og andre strukturer. Den slags information kan være kommercielt værdifuld og hjælpe med at informere om sundheds- og hjælpeprogrammer, siger han.
Mark Johnson, administrerende direktør for Descartes Labs , en startup, der forudsiger afgrødeudbytte fra offentlige satellitbilleder, siger, at de nye data bør være velkomne til startups og forskere. Potentielle anvendelser kunne omfatte estimering af økonomisk output fra aktivitet i byområder eller vejledning af byregeringer om, hvordan man kan forbedre tjenester såsom affaldsindsamling, siger han.
SpaceNet er modelleret på ImageNet, en samling af 1 million mærkede fotos, der har understøttet billedgenkendelsesforskning i årevis, inklusive nylige, store spring i nøjagtigheden (se Den revolutionære teknik, der stille og roligt ændrede maskinsyn for evigt). Virksomheder som Google og Facebook bruger billedgenkendelsesteknologi bygget på ideer, der først blev testet mod ImageNet.