Veľké dáta sú také veľké, že to skĺzava po sprostých putách Zeme.
Uvedenie do prevádzky s názvom Orbital Insight, ktoré nedávno získalo financovanie vo výške takmer 9 miliónov dolárov, využíva satelitné snímky a najmodernejšie výpočtové techniky na odhad globálneho prebytku ropy, predpovedá nedostatky plodín pred časom zberu a zisťuje trendy v maloobchode sledovaním počtu automobilov v parkoviská s veľkými boxami. Softvér by mal byť možné vyškoliť aj na včasné odhalenie nelegálneho odlesňovania a lepšie sledovať zmeny podnebia.
Spoločnosť používa techniky strojového učenia a počítačové siete, ktoré napodobňujú ľudský mozog na zaznamenávanie vzorcov v obrovskom množstve vizuálnych údajov. Facebook používa podobné techniky na rozpoznávanie tvárí v odovzdaných obrázkoch a na automatické označovanie vás a vašich priateľov. Ale namiesto hľadania tváre Orbital Insight využíva rastúce množstvo satelitných snímok, a to vďaka vzostupu malých lacných satelitov a učeniu ich sietí, aby automaticky rozpoznávali veci, ako sú vozidlá, rýchlosť výstavby v Číne a tiene vrhané olejovými nádobami s plávajúcim vekom, ktoré sa menia v závislosti od toho, ako sú plné.
Pre ľudí by samozrejme nebolo možné preosiať sa prostredníctvom pravidelne aktualizovaných globálnych satelitných snímok. Ale s masívne paralelnými počítačmi a pokročilými technikami rozpoznávania vzorov sa Orbital Insight zameriava na poskytovanie typov údajov, ktoré predtým neboli dostupné. Napríklad súčasné globálne odhady ropy sú už zverejnené už šesť týždňov. S Orbitalom by mohla byť v polovici sezóny poskytnutá analýza výnosov plodín - dôležité informácie, ktoré by ste mali mať, či už ste pracovníkom OSN na vysokej úrovni, ktorý sa snaží prekonať potravinovú krízu, alebo obchodníkom s komoditami, ktorý pracuje pre hedžový fond.
Okružná informácia už dlho netrvala - bola založená na konci roku 2013 a „stealth režim“ vyšla až koncom minulého roka. Zakladateľ spoločnosti James Crawford má však veľa skúseností v kompatibilných oblastiach. Bývalý riaditeľ autonómie a robotiky vo výskumnom centre Ames vo výskumnom centre NASA. Dva roky tiež pôsobil ako technický riaditeľ v službe Knihy Google a premieňal archivované tlačené stránky na vyhľadateľný text.
Niekoľko spoločností, ako Spire a Inmarsat, a dokonca aj Tesla Elon Musk, pracujú na hardvéri - navrhujú a zavádzajú nové siete satelitov -, ale Crawford hovorí, že Orbital Insight sa namiesto toho zameriava výlučne na softvér.
„V niektorých ohľadoch vidím, čo tu robíme na podnet tejto spoločnosti, “ hovorí Crawford, „venuje sa veľa učeniu [v spoločnosti Google] o tom, ako robiť veľké dáta, ako používať [umelú inteligenciu], ako aplikovať strojové učenie na tieto potrubia obrazov a aplikovať to na satelitný priestor. "
Spoločnosť Crawford môže byť jednou z mála, ktorá pracuje na využívaní nových softvérových techník, ako sú umelé neurónové siete a strojové učenie na analýzu satelitov. snímok. Technika, ktorú používa, známa tiež ako hlboké vzdelávanie, v súčasnosti v technologickom priestore exploduje. Založené spoločnosti ako Facebook, Google a Microsoft používajú techniky hĺbkového učenia pre veci ako automatické označovanie obrázkov a vylepšené rozpoznávanie reči a preklad. Spoločnosť IBM nedávno získala akvizíciu hlbokej spoločnosti s názvom AlchemyAPI na vylepšenie svojho počítačového systému Watson.
Vďaka hlbokému učeniu napodobňujú výkonné počítače a viac vrstiev súbežne prebiehajúceho rozpoznávania vzorov (odtiaľ „hlboké“ hlboké učenie) neurónové siete ľudského mozgu. Cieľom je prinútiť počítač, aby sa „učil“ rozpoznávať vzorce alebo vykonávať úlohy, ktoré by boli príliš zložité a časovo náročné na „učenie“ pomocou tradičného softvéru.
Pomocou manuálneho označovania automobilov na niekoľkých stovkách parkovísk a vloženia údajov do počítačovej siete sa softvér môže naučiť, ako auto vyzerá, a následne ich spočítať v tisícoch ďalších obrázkov. (Okružný náhľad, satelitné snímky: DigitalGlobe) Podrobnosti o hlbokom učení sú technické, ale na základnej úrovni je to prekvapivo jednoduché. Pokiaľ ide o meranie maloobchodných trendov pomocou činnosti parkovísk, spoločnosť Crawford tvrdí, že spoločnosť najprv necháva zamestnancov manuálne označovať autá na niekoľkých stovkách parkovísk červenými bodkami. "Potom vložíte každé jednotlivé auto do neurónovej siete a zovšeobecňuje vzory svetla a tmy, obrazce pixelov automobilu, " hovorí Crawford. "A keď sa [počítač] pozrie na nový obrázok, to, čo v podstate robí, je dosť sofistikované, ale v podstate je to vzorová zhoda."
Pri odhadovaní maloobchodnej činnosti Crawford tvrdí, že jeho spoločnosť je oveľa lepšia na odvodenie toho, ako sa darí reťazi na vnútroštátnej úrovni, a to tým, že meria, ako sú plné parkoviská v priebehu času, a porovnáva to s tým, ako boli rovnaké parcely v predchádzajúcich štvrťrokoch pomocou starších obrázkov, ako merať zdravie jednotlivého obchodu.
Pripúšťa, že mnoho maloobchodníkov už má spôsob sledovania týchto údajov vo svojich vlastných obchodoch, ale boli by radi, keby vedeli, ako si ich konkurenti robia mesiace pred zverejnením finančných výsledkov. To isté by platilo o hedžových fondoch, ktoré podľa Crawforda patria k najstarším zákazníkom spoločnosti. Je ľahké pochopiť, ako by tento druh údajov mohol investorom pomôcť. Satelitné snímky sú už k dispozícii a funkcia Orbital Insight ju práve analyzuje, takže je nepravdepodobné, že by to vyvolalo obavy týkajúce sa obchodovania zasvätených osôb.
Ak sieť občas urobí chybu, povedzme, že si zametá skládku za auto, nie je to problém, vysvetľuje Crawford, pretože chyby majú tendenciu sa navzájom vo veľkom meradle rušiť. Pre veci ako odhady ropy, aj keď sú vypnuté o niekoľko percentuálnych bodov, je to stále lepšie ako čakať až šesť týždňov na konkrétnejšie údaje.
Zatiaľ čo sa zdá, že startup sa zameriava na poskytovanie údajov investorom na trhu ako prvý, to, čo robí spoločnosť, by sa dalo využiť aj na altruistickejšie použitie. "Sme zvedaví, že sa v budúcnosti použijeme na odhalenie odlesňovania a na odhalenie vecí, ako je výstavba ciest, ktoré by mohli byť predzvesťou odlesňovania, " hovorí Crawford. „Existujú tiež skutočne zaujímavé veci, ktoré sa dajú robiť pri pohľade na sneh, vodu a iné aspekty zmeny klímy.“ Tiež hovorí, že sa pozerajú do poľnohospodárstva z tretieho sveta, a hovorí, že multi-spektrálne snímky sú dobrým spôsobom, ako povedať. aké zdravé sú rastliny, aby sme predpovedali zlyhanie plodín.
Akýkoľvek aspekt veľkých údajov, ktorý zahŕňa aj satelitné snímky, samozrejme prináša problémy s ochranou súkromia. Funkcia Orbital Insight však nefotografuje, ale sprístupňuje a analyzuje už dostupné obrázky. A ako Crawford zdôrazňuje, súčasné právne predpisy USA pre komerčné zobrazovacie satelity stanovujú, že nemôžete klesnúť pod 20 cm na pixel. Pri tomto rozlíšení by sa priemerný človek ukázal ako niekoľko bodov. Bolo by preto ťažké rozlíšiť jednotlivcov vôbec, natož identitu osoby alebo dokonca pohlavie.
Crawford hovorí, že väčšina krátkodobých pokrokov v technikách hlbokého učenia sa vo všeobecnosti bude zahŕňať zjednodušenie a automatizáciu vylepšení algoritmov (čo znamená menej manuálne označovanie automobilov alebo kukuričné polia), aby spoločnosti mohli rýchlejšie aplikovať strojové učenie do nových oblastí.
Pokiaľ ide konkrétne o budúcnosť systému Orbital Insight, zakladateľ spoločnosti rozhodne nehovorí maličko. Páči sa mu, čo spoločnosť robí, aby vytvoril „makroskop“, ktorý by mohol ovplyvniť svet do tej istej miery, ako mikroskop transformoval biológiu.
„Mnoho toho, čo vidíme na Zemi, či už ide o úrodu alebo odlesňovanie kukurice alebo zásoby ropy, je také veľké, že ich nemôžete vidieť ľudským okom, pretože by ste museli naraz spracovať milión obrázkov., “Hovorí Crawford. „V konečnom dôsledku to zmení spôsob, akým sa pozeráme na Zem, zmení spôsob, akým o tom premýšľame, a zmení spôsob, akým uvažujeme o jeho riadení.“
