211service.com
Amazon en de CIA willen AI leren kijken vanuit de ruimte
Waarom kunnen computers de aarde niet van bovenaf bekijken en automatisch onze wegen, gebouwen en afvalbergen in kaart brengen? Satellietoperator DigitalGlobe werkt samen met Amazon, de venture-tak van de CIA, en chipmaker Nvidia om dit mogelijk te maken.
In een gezamenlijk project heeft DigitalGlobe vandaag satellietbeelden vrijgegeven van heel Rio de Janeiro met een resolutie van 50 centimeter. De contouren van 200.000 gebouwen binnen de ongeveer 1.900 vierkante kilometer van de stad zijn handmatig op de foto's gemarkeerd. De SpaceNet-dataset, zoals het wordt genoemd, is bedoeld om inspanningen te stimuleren om machine learning-algoritmen te trainen om zelf satellietfoto's met hoge resolutie te interpreteren.
DigitalGlobe zegt dat de SpaceNet-dataset uiteindelijk afbeeldingen met een hoge resolutie van een half miljoen vierkante kilometer aarde moet bevatten, en dat het annotaties zal toevoegen die verder gaan dan alleen gebouwen. De gegevens van DigitalGlobe zijn veel gedetailleerder dan openbaar beschikbare satellietgegevens zoals die van NASA, die doorgaans een resolutie van tientallen meters hebben. Amazon zal de SpaceNet-gegevens beschikbaar stellen via zijn cloud computing-service. Nvidia zal tools leveren om machine learning-onderzoekers te helpen bij het trainen en testen van algoritmen op de gegevens, en CosmiQ Works , een divisie van In-Q-Tel, de ondernemingstak van de CIA, gericht op de ruimte, ondersteunt het project ook.
Er zal software worden getraind om gebouwen te labelen in satellietbeelden met behulp van een dataset van afbeeldingen zoals deze.
We moeten nieuwe algoritmen voor deze gegevens ontwikkelen, zegt Tony Frazier, senior vice-president bij DigitalGlobe. Het bedrijf exploiteert vier beeldsatellieten en levert gegevens aan Amerikaanse inlichtingendiensten, humanitaire organisaties en andere organisaties die tegenwoordig voornamelijk afhankelijk zijn van mensen om gegevens uit afbeeldingen te halen.
Frazier zegt dat het mogelijk moet zijn om software te trainen om dingen te doen zoals het in kaart brengen van de wegen en gebouwen van sloppenwijken, het volgen van veranderingen in stedelijke infrastructuur zoals parkbanken en stopborden, en het meten van de materialen die in daken en andere constructies worden gebruikt. Dat soort informatie kan commercieel waardevol zijn en gezondheids- en hulpprogramma's helpen informeren, zegt hij.
Mark Johnson, CEO van Descartes Labs , een startup die gewasopbrengsten voorspelt op basis van openbare satellietbeelden, zegt dat de nieuwe gegevens welkom moeten zijn voor startups en onderzoekers. Mogelijke toepassingen zijn onder meer het inschatten van de economische output van activiteiten in stedelijke gebieden, of het begeleiden van stadsbesturen bij het verbeteren van diensten zoals het ophalen van afval, zegt hij.
SpaceNet is gemodelleerd naar ImageNet, een verzameling van 1 miljoen gelabelde foto's die jarenlang het onderzoek naar beeldherkenning hebben ondersteund, inclusief recente, enorme sprongen in de nauwkeurigheid (zie The Revolutionary Technique That Quietly Changed Machine Vision Forever). Bedrijven zoals Google en Facebook gebruiken technologie voor beeldherkenning die is gebaseerd op ideeën die eerst zijn getest met ImageNet.