Большие данные становятся такими большими, они теряют угрюмые узы Земли.
Стартап под названием Orbital Insight, который недавно привлек почти 9 млн. Долл. США, использует спутниковые снимки и передовые вычислительные технологии для оценки глобального избытка нефти, прогнозирования нехватки урожая до времени сбора урожая и выявления тенденций в розничной торговле, отслеживая количество автомобилей в стране. большие автостоянки. Должна также быть возможность обучить программное обеспечение раннему обнаружению незаконной вырубки леса и лучшему отслеживанию изменения климата.
Компания использует методы машинного обучения и вычислительные сети, которые имитируют человеческий мозг, чтобы обнаружить шаблоны в огромных объемах визуальных данных. Facebook использует похожие методы для распознавания лиц в загруженных изображениях и автоматической пометки вас и ваших друзей. Но вместо поиска лиц Orbital Insight использует растущее изобилие спутниковых изображений благодаря появлению небольших недорогих спутников и обучает их сети автоматически распознавать такие вещи, как транспортные средства, скорость строительства в Китае и других странах. тени отбрасываются масляными контейнерами с плавающей крышкой, которые меняются в зависимости от того, насколько они заполнены.
Конечно, людям было бы невозможно просеивать регулярно обновляемые глобальные спутниковые снимки. Но с помощью массивно параллельных компьютеров и передовых технологий распознавания образов Orbital Insight стремится предоставлять типы данных, которые ранее не были доступны. Текущие глобальные оценки нефти, например, уже шесть недель, когда они опубликованы. С помощью Orbital анализ урожайности можно было бы получить в середине сезона - важная информация, если вы работаете в Организации Объединенных Наций на высоком уровне, пытаясь опередить продовольственный кризис, или трейдером, работающим в хедж-фонде.
Orbital Insight существует недолго - он был основан в конце 2013 года и вышел из режима невидимости только в конце прошлого года. Но основатель компании, Джеймс Кроуфорд, имеет большой опыт в совместимых областях. Бывший глава автономии и робототехники в Исследовательском центре Эймса НАСА, он также два года работал техническим директором в Google Книгах, превращая заархивированные печатные страницы в доступный для поиска текст.
Несколько компаний, таких как Spire и Inmarsat, и даже Элон Маск из Tesla, работают над аппаратным обеспечением - проектируют и запускают новые сети спутников - но Кроуфорд говорит, что вместо этого Orbital Insight сосредоточена исключительно на программном обеспечении.
«В некотором смысле я вижу то, что мы делаем здесь, в толчке этой компании, - говорит Кроуфорд, - много изучая [в Google], как делать большие данные, как применять [искусственный интеллект], как применить машинное обучение к этим конвейерам изображений и применить это к космическому пространству. »
Компания Кроуфорда может быть одной из немногих, работающих над использованием новых программных технологий, таких как искусственные нейронные сети и машинное обучение, для разбора спутников. образность. Но техника, которую он использует, также известная как глубокое обучение, в настоящее время взрывается в технологическом пространстве. Известные компании, такие как Facebook, Google и Microsoft, используют методы глубокого обучения для таких вещей, как автоматическая маркировка изображений и улучшенное распознавание и перевод речи. IBM также недавно приобрела компанию глубокого обучения под названием AlchemyAPI, чтобы усовершенствовать свою компьютерную систему Watson.
Благодаря глубокому обучению, мощным компьютерам и нескольким слоям одновременно работающего распознавания образов (отсюда и «глубокое» глубокое обучение) имитируют нейронные сети человеческого мозга. Цель состоит в том, чтобы заставить компьютер «учиться» распознавать шаблоны или выполнять задачи, которые были бы слишком сложными и трудоемкими для «обучения» с использованием традиционного программного обеспечения.
Путем ручной маркировки автомобилей на нескольких сотнях парковок и подачи данных в компьютерную сеть программное обеспечение может узнать, как выглядит автомобиль, и затем подсчитать их в тысячах других изображений. (Orbital Insight, спутниковые снимки: DigitalGlobe) Детали глубокого обучения являются техническими, но на самом базовом уровне это удивительно просто. По словам Кроуфорда, когда дело доходит до измерения тенденций в розничной торговле с помощью активности на парковках, сотрудники компании сначала вручную отмечают автомобили на нескольких сотнях парковок красными точками. «Затем вы подаете каждую отдельную машину в нейронную сеть, и она обобщает узоры света и темноты, узоры пикселей автомобиля», - говорит Кроуфорд. «И когда [компьютер] смотрит на новое изображение, то, что он делает, довольно сложно, но все же в основном соответствует шаблону».
Оценивая розничную активность, Кроуфорд говорит, что его компания намного лучше делает вывод о том, как сеть работает на национальном уровне, измеряя, как много парковочных мест со временем, и сравнивая их с тем, насколько полными были те же лоты в предыдущих кварталах, используя более старые изображения, чем оценить здоровье отдельного магазина.
Он признает, что у многих ритейлеров уже есть способы отслеживания этих данных для их собственных магазинов, но они были бы рады узнать, как их конкуренты работают за месяцы до публикации финансовых результатов. То же самое можно сказать и о хедж-фондах, которые, по словам Кроуфорда, являются одними из первых клиентов компании. Легко увидеть, как такие данные могут помочь инвесторам. Спутниковые снимки уже доступны, и Orbital Insight просто анализирует их, поэтому вряд ли это вызовет какие-либо проблемы с инсайдерской торговлей.
Кроуфорд объясняет, что если сеть иногда допускает ошибку, например, путает мусорную корзину для автомобиля, это не представляет большой проблемы, поскольку ошибки, как правило, взаимно компенсируют друг друга. Для таких вещей, как оценки нефти, даже если они отклоняются на несколько процентных пунктов, это все же лучше, чем ждать более шести недель для получения более конкретных данных.
В то время как стартап, кажется, в первую очередь сосредоточен на предоставлении данных инвесторам рынка, то, что делает компания, может быть использовано и для более альтруистического использования. «В будущем нам будет любопытно использовать это для обнаружения обезлесения и для обнаружения таких вещей, как строительство дорог, которые могут стать предвестником обезлесения», - говорит Кроуфорд. «Есть также действительно интересные вещи, которые можно сделать, рассматривая снежный покров, воду и другие аспекты изменения климата». Он также говорит, что они изучают сельское хозяйство третьего мира, и говорит, что мультиспектральные снимки - хороший способ сказать насколько здоровые растения, чтобы предсказать неурожай.
Конечно, любой аспект больших данных, который также включает в себя спутниковые снимки, поднимает вопросы конфиденциальности. Но Orbital Insight не берет фотографии, они получают доступ и анализируют изображения, которые уже доступны. И, как указывает Кроуфорд, согласно действующим в США нормативным актам, касающимся коммерческих спутников для съемки изображений, нельзя опускаться ниже 20 см на пиксель. При таком разрешении средний человек будет отображаться в виде нескольких точек. Таким образом, было бы трудно различить отдельных людей вообще, не говоря уже о личности человека или даже полу.
Кроуфорд говорит, что значительная часть краткосрочных достижений в методах глубокого обучения в целом будет заключаться в упрощении и автоматизации настроек алгоритмов (что означает меньшую ручную маркировку автомобилей или кукурузных полей), чтобы компании могли быстрее применять машинное обучение в новых областях.
Что касается будущего Orbital Insight, то основатель компании определенно не говорит о нем. Он сравнивает то, что компания делает с созданием «макроскопа», который мог бы воздействовать на мир в той же степени, в которой микроскоп изменил биологию.
«Многое из того, что мы видим о Земле, будь то урожай кукурузы, вырубка лесов или запасы нефти, настолько велики, что вы не можете увидеть их человеческим глазом, потому что вам придется обрабатывать миллион изображений одновременно », - говорит Кроуфорд. «Это в конечном итоге изменит наш взгляд на Землю, изменит наши представления об этом и изменит наши представления об управлении».
