Технологиите Penny и Terrapattern правят достъпна геопространствената информация
Изкуственият интелект навлиза все повече в живота на всички. Геодезията не остава в страни от тази тенденция. Компютърните експерти в Карнеги Мелън Юнивърсити разработиха интелект, наречен Penny, който да анализира благосъстоянието на хората и качеството на недвижимите имоти, които те обитават, само използвайки база данни със сателитни снимки.
Използвайки невронни мрежи и машинно обучение, софтуерът е трениран върху сателитни снимки на Ню Йорк с висока резолюция. Penny анализира градската среда и ландшафта и ги асоциира с благосъстоянието на хората. Софтуерът е научен да разпознава обекти и форми – автомобили, площадки за кацане на хеликоптери, басейни, ливади и ги свързва с различната състоятелност на хората.
В момента машинното обучение на изкуствения интелект има хиляди приложения.
Интерфейсът на програмата е направен от студио Stamen, а потребителите могат да добавят и да махат детайли като соларни панели, стадиони, тенти и прочие точно като в компютърните игри.
Ако добавите малък двор и кафяв камък в горен Ийст сайт – веднага имотът става по-скъп, ако сложите вместо парк – паркинг – имотът поевтинява. Ако преместите скъпия 5-звезден манхатънски хотел Плаза в Харлем, по-бедният район няма да стане по-престижен от тази виртуална намеса. Авторът на програмата Амар Тивари коментира, че е възможно хората дори да не се забелязали нещо, което Penny вече знае и именно заради това да реагира така.
Целта е да се подобри качеството на технологията.
Все пак предстои още много работа, за да се разработи системата да действа напълно независимо.
Компютърният експерт по невронни мрежи Джеф Клум от Университета в Уайоминг споделя, че понякога изкуственият интелект дава решения на много сложни задачи, но в други случаи се изисква време, за да се постигне някакъв резултат.
С помощта на Penny се сканира обектите на територията на Ню Йорк. Подобно заснемане е направено и в Сейнт Луис, но засега софтуерът е само за Ню Йорк.
„Бащата“ на Penny е автор и на програмата Terrapattern (https://nyc.terrapattern.com/), която търси едни и същи отрязъци от, сред предварително създадена база данни от сателитни фотографии. Програмата е с отворен код и е нова посока за използването на сателитната фотография и дистанционните методи. Принципът е лесен – с едно кликване на дадена картинка и програмата връща като резултат подобни на нея изображения от базата данни. Програмата е особено полезна в търсенето на структури, които не са сгради и често не са показани на картата. Обикновено това са временни структури – например автомобили или строителни площадки, които се появяват в сателитните снимки.
Мотивацията за създаването на програмата е, че в близко бъдеще ще има достъпни сателитни снимки с резолюция под един метър, които ще са достъпни навсякъде по света. Прототипът Terrapattern позволява на всички – от журналисти до урбанисти лесно да се запознават с даден обект.
Целта е да се създаде геопространствен софтуер, който да е на разположение на хората и да бъде достъпен за машинно обучение.
Потребителите могат да търсят обекти по снимка. Могат да се откриват обекти с подобни очертания и форми. Тези места могат да бъдат запазени във формата GeoJSON.
За софтуера интересни елементи са създадените от човека образувания, както и онези, които са недокоснати от човешки ръце, но са напълно характерни и различни. Учените се занимават и с тестването на програмата.
Възможностите й са доста широки и приложенията също. Могат да се анализират социални и антропологични феномени, както и икономическо развитие или екологични промени на природната среда.
Софтуерът Terrapattern подпомага и машинното обучение на компютрите. Базата данни покрива няколко града – Ню Йорк, Сан Франсиско, Питсбърг. Общото покритие и 5700 кв. км.
Авторите разказват, че вдъхновението им за създаването на програмата е дошло заради идеята да се демократизира геопространствената информация. Достъпът до сателитните снимки за всички и възможността те да бъдат интерпретирани е част от този процес.
Terrapattern използва невронна мрежа тип deep convolutional neural network (DCNN). Използвани са стотици хиляди сателитни снимки, тагирани в OpenStreetMap, на базата на които невронната мрежа е тренирана на предстазва категориите на мястото от сателитната снимка. Повечето от пробивите в областта на машинното обучение са ограничени не заради липсата на алгоритми, а заради липсата на достатъчно качествена база данни за анализиране. След трениране на модела, авторите са премахнали предварително зададените класификации на тренировъчната база данни и са оставили изкуственият интелект да действа сам. Визуализациите, които предоставя търсачката на Terrapattern, са три: проста карта, географска карта или миникарта, което показва мястото и третият вид е кадър, който предоставя подобни на това място други локации. Terrapattern е програмиран на Ruby и JavaScript, а сателитните снимки са на Google Maps.
Мъск предупреждава, че трябва регулация
Мнозина предупреждават, че той може да се превърне в сериозна опасност за човечеството, въпреки че е огромен помощник. Изпълнителният директор на една от най-големите иновационни компании „Тесла“ Илън Мъск поиска на среща с американски губернатори да се създаде регулаторен орган, който да следи развитието на тази сфера. Визионер, Мъск вижда и опасности от усъвършенстването на изкуствения интелект. „Роботите ще могат да правят всичко по-добре от нас“, казва той и с това свързва мрачни сценарии, според които роботите ще са в състояние да отнемат работните места на хората, но интелигентността им може да предизвика дори война. |
