Dolar 9,3218
Euro 10,8357
Altın 529,53
BİST 1.418
Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 16 °C
Sağanak Yağışlı

Makine Öğrenimi Devrimi: Küresel Ölçekte İnsan Yaşamlarını İyileştirmek İçin Uydu Görüntülerini Kullanma

08.08.2021
57
Makine Öğrenimi Devrimi: Küresel Ölçekte İnsan Yaşamlarını İyileştirmek İçin Uydu Görüntülerini Kullanma

Dünya görüntüleme uydularından gelen derin veri akışları her gün veritabanlarına ulaşır, ancak verilere erişmek ve bunları analiz etmek için ileri teknoloji ve uzmanlık gerekir. Şimdi, Berkeley’deki California Üniversitesi’nde yapılan araştırmalarda geliştirilen yeni bir sistem, yerel sorunları çözmek için bir kişinin ileri eğitim olmadan bir dizüstü bilgisayarda çalıştırabileceği düşük maliyetli, kullanımı kolay teknolojiyi kullanmak için makine öğrenimini kullanıyor. . Kredi bilgileri: NASA

Berkeley merkezli proje, dünya çapında iklim, sağlık ve yoksullukla ilgili eylemleri destekleyebilir.

700’den fazla görüntüleme uydusu dünyanın etrafında dönüyor ve her gün iklim değişikliğini, sağlığı ve yoksulluğu yansıtan veriler de dahil olmak üzere geniş bilgi okyanuslarını yerdeki veritabanlarına ışınlıyorlar. Tek bir sorun var: Jeo-uzamsal veriler, araştırmacıların ve politika yapıcıların kritik zorlukları ele almasına yardımcı olabilirken, yalnızca önemli ölçüde zenginliğe ve uzmanlığa sahip olanlar buna erişebilir.

Şimdi, merkezli bir ekip Kaliforniya Üniversitesi, Berkeley, dünya çapındaki araştırmacılara ve hükümetlere erişim ve analitik güç getirebilecek düşük maliyetli, kullanımı kolay teknolojiyi kullanarak uydu görüntülemenin sorun çözme potansiyelinden yararlanmak için bir makine öğrenimi sistemi tasarladı. “Küresel uydu görüntüleriyle makine öğrenimine genelleştirilebilir ve erişilebilir bir yaklaşım” adlı çalışma 20 Temmuz 2021’de dergide yayınlandı. Doğa İletişimi.

“Uydu görüntüleri dünya hakkında inanılmaz miktarda veri içerir, ancak işin püf noktası, her bir görüntüde insan tarağı olmadan verileri kullanılabilir içgörülere nasıl çevirebileceğimizdir,” diyor son sınıf doktora öğrencisi Esther Rolf. . bilgisayar bilimi öğrencisi. “Sistemimizi erişilebilirlik için tasarladık, böylece bir kişinin yerel sorunlarını çözmek için özel eğitim almadan bir dizüstü bilgisayarda çalıştırabilmesi gerekir.”

Goldman Kamu Politikası Okulu Küresel Politika Laboratuvarı direktörü ortak yazar Solomon Hsiang, “Eylemlerimizin gerçekten küresel etkiye sahip olduğu bir rejime giriyoruz” dedi. “İşler geçmişte olduğundan daha hızlı ilerliyor. Kaynak tahsislerini her zamankinden daha hızlı değiştiriyoruz. Gezegeni dönüştürüyoruz. Bu, zamanında ve etkili bir şekilde yanıt verebilmemiz için, bu şeylerin gerçekleştiğini görebilen daha duyarlı bir yönetim sistemi gerektiriyor.”

Proje, Hsiang’ın yönettiği Global Policy Lab ile Benjamin Recht’in Elektrik Mühendisliği ve Bilgisayar Bilimleri bölümündeki araştırma ekibi arasında bir işbirliğiydi. Diğer ortak yazarlar Berkeley Ph.D. Tamma Carleton’dan mezun oldu, şimdi California Üniversitesi, Santa Barbara’da; Jonathan Proctor, şu anda Harvard’ın Çevre ve Veri Bilimi Girişimi Merkezi’nde; Ian Bolliger, şimdi Rhodium Group’ta; ve şimdi Amazon’da olan Vaishaal Shankar; ve Berkeley Ph.D. öğrenci Miyabi Ishihara.

Proje başladığında hepsi Berkeley’deydi. İşbirlikleri, dünyaya genellikle farklı şekillerde bakan ve farklı diller konuşan disiplinleri bir araya getirmeleri açısından dikkat çekicidir: bilgisayar bilimi, çevre ve iklim bilimi, istatistik, ekonomi ve kamu politikası.

Ancak, teknolojinin gücünü demokratikleştiren, kaynakları ve ileri teknik beceriye sahip olmayan topluluklar ve ülkeler tarafından bile kullanılabilir hale getiren bir açık erişim aracı yaratma konusundaki ortak çıkarları tarafından yönlendirildiler. Hsiang, “Ford’un Model T’sine benziyor, ancak makine öğrenimi ve uyduları var” dedi. “Artık herkesin bu yeni teknolojiye erişebilmesi için yeterince ucuz.”

MOSAIKS: Yaşamları iyileştirmek, gezegeni korumak

Berkeley merkezli araştırmadan ortaya çıkan sistem, Uydu Görüntüsü ve Mutfak Lavabolarını Kullanarak Çok Görevli Gözlem’in kısaltması olan MOSAIKS olarak adlandırılıyor. Sonuç olarak, uydu verilerinden elde edilen yüzlerce değişkeni – toprak ve su koşullarından barınma, sağlık ve yoksulluğa kadar – küresel ölçekte analiz etme gücüne sahip olabilir.

Hindistan Andhra Prades Eyaleti Uydu Görüntüsü

Hindistan’ın Andhra Pradesh eyaletinde bir uydu görüntüsü, yerel çiftçilerin balık ve karides yetiştirdiği yüzlerce yeşil su kültürü göletini gösteriyor. UC Berkeley’deki bilim adamları, jeo-uzamsal görüntülemenin gelişmekte olan ülkeler için tarım, yoksulluk, sağlık ve insan göçü ile ilgili zorlukları ele alma konusunda muazzam bir potansiyele sahip olduğunu söylüyor. Ancak şimdiye kadar uydu verilerine verimli bir şekilde erişmek ve bunları analiz etmek için gereken teknoloji ve uzmanlık genellikle gelişmiş ülkelerle sınırlıydı. Kredi: ABD Jeolojik Araştırması’ndan Landsat verilerini kullanan Joshua Stevens’ın NASA Dünya Gözlemevi görüntüleri

Araştırma makalesi, MOSAIKS’in makul bir şekilde nasıl çoğaltabildiğini detaylandırıyor. kesinlik ABD Sayım Bürosu tarafından büyük maliyetlerle hazırlanan raporlar. Ayrıca, düşük gelirli ülkelerdeki kalkınma zorluklarını ele alma ve bilim adamlarının ve politika yapıcıların büyük resmi çevresel değişimi anlamalarına yardımcı olma konusunda muazzam bir potansiyele sahiptir.

Hsiang, “İklim değişikliği yaygın ve herhangi bir yerde görülmesi zor, ancak geri çekilip geniş ölçeğe baktığınızda, gezegenin etrafında neler olup bittiğini gerçekten görüyorsunuz” dedi. çok kurumlu İklim Etki Laboratuvarı.

Örneğin, uydu verilerinin araştırmacılara ABD’deki Büyük Ovalar ve Afrika’daki Sahel gibi geniş mera alanlarına veya sıcaklık arttıkça buzdağları döken Grönland veya Antarktika gibi bölgelere ilişkin derin yeni bilgiler verebileceğini söyledi.

Hsiang, “Bu alanlar çok büyük ve insanların orada oturup resimlere bakması ve buzdağlarını sayması gerçekten verimsiz” dedi. Ancak MOSAIKS ile, “bunu otomatikleştirebilir ve bu buzulların gerçekten daha hızlı parçalanıp parçalanmadığını veya bunun baştan beri olup olmadığını takip edebilirsiniz” dedi.

Gelişmekte olan dünyadaki bir hükümet için teknoloji, yolların nereye yapılacağı gibi rutin kararlara bile rehberlik edebilir.

Hsiang, “Hükümet, en fazla insanın olduğu ve en ekonomik faaliyetin olduğu yerlerde yollar inşa etmek istiyor” dedi. “Hangi topluluğa yeterince hizmet verilmediğini veya bir topluluktaki mevcut altyapının durumunu bilmek isteyebilirsiniz. Ancak çoğu zaman bu bilgiyi elde etmek çok zordur.”

Zorluk: Trilyonlarca bayt ham uydu verisini organize etmek

Büyüyen görüntüleme uyduları filosu, verileri 7/24 Dünya’ya geri gönderiyor – araştırmaya göre, her gün yaklaşık 80 terabayt, önümüzdeki yıllarda artacağı kesin.

Ancak çoğu zaman, görüntüleme uyduları, örneğin tatlı su kaynakları veya tarım topraklarının durumu gibi dar konularda bilgi toplamak için inşa edilir. Ve veriler, bir fotoğraf dükkanından alınan anlık görüntüler gibi düzgün, düzenli görüntüler olarak gelmiyor. Ham veri, ikili bilgi yığını. Verilere erişen araştırmacılar ne aradıklarını bilmek zorundadır.

Yalnızca bu kadar çok terabayt veriyi depolamak çok büyük bir yatırım gerektirir. Görüntülere gömülü veri katmanlarını damıtmak, diğer araştırmacılar, politika yapıcılar veya finansman kuruluşları için tutarlı ve yararlı olan bilgi dizilerini ortaya çıkarmak için ek bilgi işlem gücü ve gelişmiş insan uzmanlığı gerektirir.

Rolf ve Hsiang, kaçınılmaz olarak, uydu görüntülerinden yararlanmanın büyük ölçüde zengin ülkelerdeki bilim adamları veya ajanslarla sınırlı olduğunu söyledi.

Hsiang, “Elit bir profesörseniz, uydunuzu sizin için inşa etmesini sağlayabilirsiniz” dedi. “Ancak Kenya’daki bir koruma ajansının bu işi yapacak teknolojiye ve uzmanlara erişmesinin hiçbir yolu yok.

“Onları güçlendirmenin bir yolunu bulmak istedik. Herkesin erişebileceği pratik bir araç olan bir İsviçre Çakısı bulmaya karar verdik.”

Uydu görüntüleri için Google gibi, bir tür

Özellikle düşük gelirli ülkelerde, yoksulluğun bir boyutu veri yoksulluğudur. Ancak ABD’deki ve diğer gelişmiş ülkelerdeki topluluklar bile, yerel zorlukların üstesinden gelmek için genellikle coğrafi verilere uygun, kullanılabilir bir formatta hazır erişime sahip değildir.

MOSAIKS Makine Öğrenimi Sistemi

Çizimler, UC Berkeley’de geliştirilen MOSAIKS makine öğrenim sisteminin, orman örtüsünü (yukarıda, yeşille) ve nüfusu (aşağıda) ince ayrıntılarla nasıl tahmin ettiğini göstermektedir. Kredi: Görüntü Esther Rolf, Jonathan Proctor, Tamma Carleton, Ian Bolliger, Miyabi Ishihara, Vaishaal Shankar, Benjamin Recht ve Solomon Hsiang’ın izniyle

Makine öğrenimi, çözümlerin kapısını açar.

Genel anlamda makine öğrenimi, adım adım insan müdahalesi olmadan kendi kendine öğrenmek için algoritmalar ve istatistiksel modelleme kullanan bilgisayar sistemlerini ifade eder. Yeni araştırmanın tanımladığı şey, birçok uydu tarafından sağlanan verileri bir araya getirebilen ve bunları erişilebilir ve kullanışlı şekillerde düzenleyebilen bir sistemdir.

Bu tür sistemler için emsaller vardır: Google Earth Engine ve Microsoft’un Planetary Computer, koruma odaklı küresel jeo-uzamsal verilere erişmek ve bunları analiz etmek için kullanılan platformlardır. Ancak Rolf, bu teknolojilerle bile, verileri yeni içgörülere dönüştürmek için genellikle önemli ölçüde uzmanlık gerektiğini söyledi.

Rolf, MOSAIKS’in amacının daha karmaşık makine öğrenme sistemleri geliştirmek olmadığını söyledi. Bunun yerine, inovasyonu, uydu verilerini küresel zorlukların üstesinden gelmek için yaygın olarak kullanılabilir hale getirmektir. Ekip bunu, algoritmaları kökten daha basit ve daha verimli hale getirerek yaptı.

MOSAIKS, görüntülerdeki küçük kalıpları tanımayı öğrenmekle başlar – Hsiang bunu, algoritmanın her harfi tanımayı öğrendiği bir Scrabble oyunuyla karşılaştırır. Ancak bu durumda, karolar 3 piksele 3 piksel olmak üzere uydu görüntüsünün küçük parçalarıdır.

Ancak MOSAIKS, “bu bir ağaçtır” veya “bu kaldırımdır” sonucuna varmaz. Bunun yerine, kalıpları tanır ve bunları birlikte gruplandırır, dedi Proctor. Dünyanın farklı yerlerindeki benzer kalıpları tanımayı öğrenir.

Yüzlerce kaynaktan binlerce terabayt analiz edilip düzenlendiğinde, araştırmacılar bir köy, ülke veya bölge seçebilir ve toprak nemi, sağlık koşulları, insan göçü ve ev değerleri gibi çeşitli temalara dokunabilecek organize veriler çıkarabilir.

Hsiang, bir anlamda, MOSAIKS’in ilk günlerde Google’ın İnternet için yaptığını uydu veritabanları için yapabileceğini söyledi: verilerin haritasını çıkarın, düşük maliyetle erişilebilir ve kullanıcı dostu hale getirin ve belki de aranabilir hale getirin. Ancak Berkeley Elektrik Mühendisliği ve Bilgisayar Bilimleri bölümünde çalışan bir makine öğrenimi uzmanı olan Rolf, Google karşılaştırmasının yalnızca bu kadar ileri gittiğini söyledi.

MOSAIKS, “gereksiz miktarda veriyi kullanılabilir bilgiye dönüştürmekle ilgilidir” diye açıkladı. “Belki daha iyi bir benzetme, sistemin çok yoğun bilgi alması – örneğin çok büyük bir makale – ve bir özet üretmesi olabilir.”

Canlı bir küresel veri atlası yaratmak

Hem Hsiang hem de Rolf, MOSAIKS’in güçlü ve zarif yönlerde gelişme potansiyelini görüyor.

Hsiang, verilerin bilgisayar tabanlı, sürekli gelişen atlaslarda toplandığını hayal ediyor. Herhangi bir “sayfaya” döndüğünüzde, bir kullanıcı bir ülkedeki veya bölgedeki koşullar hakkında geniş, derin verilere erişebilir.

Rolf, insanlığın görüntüleme uyduları filosundan ve uzak sensörlerden veri akışını alabilen ve onu sürekli bir değişim halinde olan Dünya’nın ve sakinlerinin akıcı, gerçek zamanlı bir portresine dönüştürebilen bir sistem tasavvur ediyor. Geçmişi ve bugünü görebilir ve böylece ortaya çıkan zorlukları fark edebilir ve bunları ele alabilirdik.

Hsiang, “Uzaya çok fazla şey gönderdik” diyor. “Bu inanılmaz bir başarı. Ancak, zaten aşağı çekmekte olduğumuz tüm bu veriler için paramızın karşılığını çok daha fazla alabiliriz. Bırakın dünya bunu faydalı bir şekilde kullansın. İyilik için kullanalım.”

Referans: Esther Rolf, Jonathan Proctor, Tamma Carleton, Ian Bolliger, Vaishaal Shankar, Miyabi Ishihara, Benjamin Recht ve Solomon Hsiang, 20 Temmuz 2021, “Küresel uydu görüntüleri ile makine öğrenimine genelleştirilebilir ve erişilebilir bir yaklaşım”, Doğa İletişimi.
DOI: 10.1038/s41467-021-24638-z

.

Gelişmelerden zamanında haberdar olmak için Google News’te Bilim Portal’a ABONE OLUN

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.