Datele mari devin atât de mari, că alunecă legăturile supărătoare ale Pământului.
O startup numită Orbital Insight, care a strâns recent finanțare de aproape 9 milioane de dolari, utilizează imagini prin satelit și tehnici de calcul de ultimă oră pentru a estima excedentul global de petrol, a prezice deficiențele de cultură înainte de timpul recoltei și pentru a observa tendințele de vânzare cu amănuntul, urmărind numărul de mașini din parcări cu cutii mari. De asemenea, ar trebui să fie posibil să instruiți software-ul pentru a detecta deforestarea ilegală timpuriu și pentru a urmări mai bine schimbările climatice.
Compania folosește tehnici de învățare automată și rețele de calcul care imită creierul uman pentru a detecta tiparele în cantități masive de date vizuale. Facebook folosește tehnici similare pentru a recunoaște fețele din imaginile încărcate și pentru etichetarea automată a dvs. și a prietenilor. Dar, în loc să caute fețe, Orbital Insight profită de abundența din ce în ce mai mare de imagini prin satelit, datorită creșterii sateliților mici și cu costuri reduse și învață rețelelor lor să recunoască automat lucruri precum vehiculele, rata de construcție din China și umbrele turnate de containerele cu ulei cu capac plutitor, care se schimbă în funcție de cât de pline sunt.
Desigur, ar fi imposibil ca oamenii să poată trece prin imagini prin satelit globale actualizate periodic. Dar, cu computere masive paralele și tehnici avansate de recunoaștere a modelelor, Orbital Insight își propune să ofere tipuri de date care nu au fost disponibile până acum. Estimările actuale la nivel mondial ale petrolului, de exemplu, au deja șase săptămâni când sunt publicate. Cu Orbital, analiza producției de culturi ar putea fi livrată la jumătatea sezonului - informații importante pe care le aveți, indiferent dacă sunteți un lucrător la nivel înalt al Națiunilor Unite care încearcă să ajungă înaintea unei crize alimentare sau un comerciant de mărfuri care lucrează pentru un fond de acoperire.
Orbital Insight nu a trecut de mult - a fost fondată la sfârșitul anului 2013 și a ieșit doar din „modul furt” la sfârșitul anului trecut. Dar fondatorul companiei, James Crawford, are o mulțime de experiență în domenii compatibile. Fost șef de autonomie și robotică la Centrul de Cercetare Ames al NASA, el a petrecut și doi ani ca director de inginerie la Google Books, transformând paginile tipărite arhivate în text căutabil.
Mai multe companii, cum ar fi Spire și Inmarsat, și chiar Tesla lui Elon Musk, lucrează la hardware - proiectând și lansând noi rețele de sateliți - dar Crawford spune că Orbital Insight se concentrează în mod exclusiv pe software.
„În unele moduri, văd ce facem aici în impulsul acestei companii”, spune Crawford, „se ocupă foarte mult de învățarea [la Google] despre cum să faci date mari, cum să aplici [inteligența artificială], cum să aplici învățarea mașină la aceste conducte de imagini și să aplici asta spațiului din satelit. “
Compania Crawford poate fi una dintre puținele care lucrează la utilizarea tehnicilor software emergente, cum ar fi rețelele neuronale artificiale și învățarea automată pentru a analiza satelitul imagini. Dar tehnica pe care o folosește, cunoscută și ca învățare profundă, explodează în acest moment în spațiul tehnologic. Companii înființate precum Facebook, Google și Microsoft utilizează tehnici de învățare profundă pentru lucruri precum etichetarea automată a imaginilor și îmbunătățirea recunoașterii și traducerii vorbirii. De asemenea, IBM a achiziționat recent o companie de învățare profundă, numită AlchemyAPI, pentru a îmbunătăți sistemul lor Watson.
Cu învățare profundă, computere puternice și mai multe straturi de recunoaștere simultană a modelului (de aici „profunda” în învățarea profundă) imită rețelele neuronale ale creierului uman. Scopul este de a face ca un computer să „învețe” să recunoască tiparele sau să îndeplinească sarcini care ar fi prea complexe și care necesită mult timp pentru a „învăța” folosind software-ul tradițional.
Prin marcarea manuală a automobilelor în câteva sute de parcări și introducerea datelor în rețeaua de calculatoare, software-ul poate afla cum arată o mașină și ulterior să le numere în alte mii de imagini. (Orbital Insight, imagini prin satelit: DigitalGlobe) Detaliile învățării profunde sunt tehnice, dar la nivel foarte de bază, este surprinzător de simplu. Când vine vorba de măsurarea tendințelor de vânzare cu amănuntul cu activitatea parcărilor, Crawford spune că compania are mai întâi angajați care marchează manual mașinile în câteva sute de parcări cu puncte roșii. „Apoi, introduceți fiecare mașină în rețeaua neurală și generalizează modelele de lumină și întuneric, modelul de pixeli al unei mașini”, spune Crawford. „Și când [computerul] privește o nouă imagine, ceea ce face în esență este destul de sofisticat, dar totuși practic se potrivește cu un model.”
Când estimează activitatea de vânzare cu amănuntul, Crawford spune că compania sa este mult mai bună în a deduce cum se desfășoară un lanț la nivel național, prin măsurarea parcurgerii parcărilor complete în timp și compararea cu cât de pline au fost aceleași loturi în trimestrele anterioare folosind imagini mai vechi, decât măsurarea sănătății unui magazin individual.
El recunoaște că mulți retaileri au deja modalități de urmărire a acestor date pentru propriile lor magazine, dar ar fi fericiți să știe cum fac concurenții cu luni înainte ca rezultatele financiare să fie lansate. Același lucru ar fi valabil și pentru fondurile speculative, care Crawford spune că sunt printre primii clienți ai companiei. Este ușor de observat cum acest tip de date ar putea oferi investitorilor un picior în picioare. Imaginile din satelit sunt deja disponibile, iar Orbital Insight este doar o analiză, astfel încât este puțin probabil să stârnească orice problemă de tranzacționare privilegiată.
Dacă rețeaua face o greșeală ocazională, spuneți că confuzați un basculant pentru o mașină, nu este o problemă mare, explică Crawford, deoarece greșelile tind să se anuleze reciproc pe scară largă. În ceea ce privește estimările petrolului, chiar dacă sunt scăzute cu câteva puncte procentuale, este încă mai bine decât să aștepți până la șase săptămâni pentru date mai concrete.
În timp ce startup-ul pare concentrat pe furnizarea de date investitorilor de pe piață mai întâi, ceea ce face compania ar putea fi pus și la utilizări mai altruiste. „Suntem curioși în viitor despre utilizarea acestui lucru pentru a detecta defrișările și pentru a detecta lucruri precum construcția de drumuri care ar putea fi un precursor pentru defrișare”, spune Crawford. "Există, de asemenea, lucruri foarte interesante care pot fi făcute în jurul analizării pachetului de zăpadă, a apei și a altor aspecte pentru schimbările climatice". De asemenea, el spune că se uită la agricultura din lumea a treia și spune că imagini multispectrale sunt un bun mod de a spune. cât de sănătoase sunt plantele, pentru a prezice eșecurile culturilor.
Desigur, orice aspect al datelor mari care încorporează și imagini prin satelit aduce probleme de confidențialitate. Dar Orbital Insight nu face fotografii, accesează și analizează imaginile care sunt deja disponibile. Și după cum subliniază Crawford, reglementările actuale din SUA pentru sateliții de imagini comerciale prevăd că nu poți să cobori sub 20 cm pe pixel. La această rezoluție, persoana obișnuită ar apărea ca câteva puncte. Așadar, ar fi greu să distingem persoane individuale, cu atât mai puțin identitatea unei persoane sau chiar genul.
Crawford spune că o mare parte a avansurilor pe termen scurt în tehnicile de învățare profundă, în general, va implica simplificarea și automatizarea modificărilor la algoritmi (adică mai puțin etichetarea manuală a mașinilor sau a câmpurilor de porumb), astfel încât companiile să poată aplica mai rapid învățarea mașinilor în zone noi.
În ceea ce privește viitorul Orbital Insight, fondatorul companiei nu vorbește cu siguranță. El arată ceea ce face compania pentru crearea unui „macroscop” care ar putea afecta lumea într-un grad similar cu cel al microscopului transformat biologie.
„Multe din ceea ce vedem despre Pământ, fie că este vorba despre producția de porumb sau defrișare, fie inventarul de ulei, sunt atât de mari încât nu le poți vedea cu ochiul uman, deoarece ar trebui să procesezi un milion de imagini simultan ", Spune Crawford. „În cele din urmă, va schimba modul în care vedem Pământul, va schimba modul în care gândim despre el și va schimba modul în care gândim despre gestionarea lui.”
