В Лондоне (16 августа 2018 г.) я посетил мероприятие Frontier Development Programme (FDL) На пути к управлению полетами для планеты Земля.
Миссия программы FDL Europe — предоставить возможности исследованиям ИИ для освоения космоса и всего человечества.
Мы собрались в Британском межпланетном обществе, простом и симпатичном трехэтажном викторианском таунхаусе. Относительно небольшой зал для мероприятий был переполнен.
Все началось с того, что Белина Раффи, одна из организаторов, попросила нас ответить на любой из трех следующих вопросов: назвать любой 1) цвет, 2) число или 3) эмоцию, которая приходит вам на ум — все нас и всех одновременно. После этого она спросила, можем ли мы различить какую-либо закономерность в ответах, на что мы все ответили: «Нет». Вот почему нам нужна наука о данных, объяснила она, — чтобы помочь нам найти закономерности и правила в огромной массе (или беспорядке) информации. данные, поступающие со спутников и из космоса в целом.
Директор программы FDL Джеймс Парр присоединился к нам онлайн и более подробно представил программу. После первоначального FDL, который начался в Силиконовой долине, этот в Лондоне стал первым годом программы FDL Europe. Он также говорил о том, что творчество требует мужества.
Доктор Эмили Шакбург (Британская антарктическая служба и Кембриджский университет) показала ряд графиков, отражающих глобальные изменения на планете с годами: от роста населения и экономики до увеличения среднего глобальные температуры, экстремальные погодные явления и площадь морского льда уменьшаются. Наконец, она рассказала о ряде научных исследований, проведенных для решения вопроса о том, являются ли то, что мы наблюдаем, результатом антропогенного изменения климата, и подавляющее большинство этих исследований дало положительный ответ на этот вопрос. .
Основная идея, как показано на рисунке, заключалась в том, что в настоящее время у нас есть большие объемы данных из космоса, значительные достижения в области науки о данных и искусственного интеллекта (ИИ), а также запросы от бизнеса и политиков, и поэтому настало время, когда создает возможности для отслеживания и мониторинга окружающей среды, людей и биоэкосистем на планете. Сегодня это может быть достигнуто правительствами, космическими агентствами и новыми коммерческими участниками (стартапами) в этой области.
В конце презентации был вопрос — учитывая такую большую цель и вызов — создать центр управления полетами для планеты Земля, каковы приоритеты? Ответ меня немного удивил — поскольку это такой сложный набор задач, нам нужен ИИ для их решения, и мы можем начать с решения любой из конкретных задач, поскольку тогда инструменты ИИ, вероятно, можно будет перенести и применить к другим задачам и областям, также.
Затем мы получили известие от Ярлы Килбейн-Доу (директора Ф-лаборатории в ЕКА). Он представил недавно созданную лабораторию ЕКА как ответ на проблему огромных объемов данных из космоса, которые мы постоянно получаем в настоящее время — Phi-lab стремится помочь разобраться в них. Он говорил о космическом агентстве 21 века. Более того, он показал, как количество вновь запускаемых спутников наблюдения Земли постоянно растет благодаря запуску множества стартапов. Среди прочих он упомянул ICEYE, стартап, в котором я работал до прихода в Bell Labs.
Эта презентация также была хорошим введением к предстоящим презентациям группы, поскольку Ярла описал доступные открытые спутниковые данные из программы ESA Copernicus. Ряд спутников семейства Sentinel регистрируют всю поверхность Земли примерно раз в пять дней, используя оптические, а также радиолокационные датчики. Все эти данные общедоступны для всех, что делает эту программу ЕКА уникальной и первой в своем роде в мире.
Наконец, две команды FDL, которые последние восемь недель работали над решением своих задач, представили результаты своих проектов. Команды состояли из аспирантов и постдоков.
Команда помощи при стихийных бедствиях
Эта группа сосредоточилась на трех конкретных стихийных бедствиях, для которых у них также были доступные спутниковые данные:
- Гаити пострадало от землетрясения 2010 г.
- Хьюстон, где в 2017 году обрушился ураган "Харви".
- Эквадор пострадал от землетрясения 2016 года
Спутниковые данные могут использоваться для поддержки в основном первых респондентов во время стихийных бедствий. А именно, есть важные вопросы: где находятся люди и каков уровень ущерба, по которым у респондентов часто отсутствуют своевременные данные. Команда посмотрела, как спутниковые данные могут помочь в их обеспечении.
Механизм международной хартии ООН по стихийным бедствиям направляет спутниковые снимки на пострадавшие районы, что позволяет получать более своевременные спутниковые снимки. В дополнение к открытому, Sentinel-1 (радар) и Sentinel-2 (оптический), команды также использовали изображения очень высокого разрешения (VHR), предоставленные Digital Globe. Изображения Sentinel имеют разрешение от 10 м до 20 м, в то время как разрешение изображений Digital Globe составляет 0,5 м.
В каждом случае катастрофы перед командой стояли разные задачи. Например, учитывая, что землетрясение на Гаити произошло в 2010 году, до сегодняшнего дня возник дефицит адекватного и доступного жилья. Следовательно, важно обнаружить и нанести на карту существующие поселения перемещенных лиц. Для Хьюстона после выхода на сушу важно обнаружить затопленные участки и поврежденные здания. В случае с Эквадором после землетрясения необходимо составить карту разрушенных и поврежденных зданий.
Для каждого из этих случаев команда решила обучить модель глубокого обучения для обнаружения соответствующих объектов и изменений в изображениях. Стандартных нейросетей для классификации для этой задачи не хватило бы, учитывая, что предсказание нужно не по изображению, а по каждому пикселю на изображении. Подход компьютерного зрения к этой задаче называется семантической сегментацией. В последние годы были достигнуты значительные успехи в моделях глубокого обучения для семантической сегментации на основе глубоких CNN. Команда, в частности, использовала архитектуру кодера-декодера PSP-Net для всех своих случаев.
Такая контролируемая модель требует данных метки (наземной истины). Для картирования зданий команда использовала контуры зданий OpenStreetMap. Для возмещения ущерба они использовали сопоставления данных из социальных сетей, о чем сообщают люди. Интересно, что модель, предварительно обученная для построения следов в Эквадоре, успешно применялась для обнаружения поселений на Гаити. Это демонстрирует возможности трансферного обучения в ИИ.
Доступ к моделям осуществляется на основе оценки пересечения по союзу (IoU), и она варьировалась от 0,69 до 0,78 в разных наборах данных.
Обнаружение неформальных взаиморасчетов команды
Неофициальное поселение – это название, используемое для обозначения трущоб, бедных кварталов и любых районов, в которых отсутствует адекватное жилье и удобства. В настоящее время в таких неформальных поселениях проживает более половины населения мира.
Эта команда сосредоточилась на нескольких местах в мире, по которым у них были достоверные данные о существующих там неформальных поселениях, таких как Найроби, Кения, и Мумбаи, Индия. Они также использовали данные Sentinel и VHR от Digital Globe.
Опять же, перед нами стоит задача семантической сегментации — классифицировать пиксели на каждом изображении на основе того, соответствуют ли они неформальным поселениям или нет.
Наземные данные для этого проекта были получены от Afrometer, аннотированных этикетками партнера FDL, Catapult, и от правительств, таких как индийское, которые пытаются понять и улучшить условия в своих трущобах.
Интересно, что эта команда добилась очень хороших результатов с «традиционным» подходом машинного обучения к картографированию спектральных углов, однако, как только у них появилось больше обучающих данных, модель, основанная на глубоком обучении (DeepLabv3+), превзошла ее.
Мероприятие закончилось напитками и неформальной беседой. Желающие также могли присоединиться к небольшой экскурсии по зданию Британского межпланетного общества, представленной его бывшим президентом Алистером Скоттом. Помимо большой космической библиотеки, на одной из стен можно было увидеть большую коллекцию фотографий всех предыдущих президентов, включая Артура Кларка.
