Τα μεγάλα δεδομένα γίνονται τόσο μεγάλα, γεφυρώνουν τους πενιχρούς δεσμούς της Γης.
Μια εκκίνηση που ονομάζεται Orbital Insight, η οποία κέρδισε πρόσφατα περίπου 9 εκατομμύρια δολάρια σε χρηματοδότηση, χρησιμοποιεί δορυφορικές εικόνες και τεχνικές αιχμής για την εκτίμηση του παγκόσμιου πλεονάσματος πετρελαίου, την πρόβλεψη των ελλείψεων στις καλλιέργειες πριν από τη συγκομιδή και τις τάσεις λιανικής πώλησης, παρακολουθώντας τον αριθμό των αυτοκινήτων πάρκινγκ μεγάλου κιβωτίου. Θα πρέπει επίσης να είναι δυνατή η εκπαίδευση του λογισμικού ώστε να εντοπίζεται η παράνομη αποψίλωση των δασών έγκαιρα και να παρακολουθείται καλύτερα η αλλαγή του κλίματος.
Η εταιρεία χρησιμοποιεί τεχνικές μηχανικής μάθησης και υπολογιστικά δίκτυα που μιμούνται τον ανθρώπινο εγκέφαλο για να εντοπίζουν σχέδια σε τεράστιες ποσότητες οπτικών δεδομένων. Το Facebook χρησιμοποιεί παρόμοιες τεχνικές για να αναγνωρίσει πρόσωπα στις μεταφορτωμένες εικόνες και να επισημάνει αυτόματα εσάς και τους φίλους σας. Αλλά αντί να ψάχνει για πρόσωπα, το Orbital Insight εκμεταλλεύεται την αυξανόμενη αφθονία των δορυφορικών εικόνων, χάρη στην άνοδο μικρών δορυφόρων χαμηλού κόστους και τη διδασκαλία των δικτύων τους ώστε να αναγνωρίζουν αυτόματα τα πράγματα όπως τα οχήματα, το ρυθμό κατασκευής στην Κίνα και οι σκιές χυτεύονται με δοχεία λαδιού με πλωτό καπάκι, τα οποία αλλάζουν ανάλογα με το πόσο γεμάτα είναι.
Θα ήταν αδύνατο, φυσικά, για τους ανθρώπους να κοσκινίζουν μέσω τακτικών ενημερωμένων παγκόσμιων δορυφορικών εικόνων. Αλλά με μαζικά παράλληλους υπολογιστές και προηγμένες τεχνικές αναγνώρισης προτύπων, το Orbital Insight στοχεύει να παρέχει τύπους δεδομένων που δεν έχουν διατεθεί πριν. Οι τρέχουσες εκτιμήσεις παγκόσμιου πετρελαίου, για παράδειγμα, είναι ήδη έξι εβδομάδες όταν δημοσιεύονται. Με την Orbital, η ανάλυση των αποδόσεων των καλλιεργειών θα μπορούσε να παραδοθεί στις σημαντικές πληροφορίες κατά τη διάρκεια της σεζόν, είτε είστε εργαζόμενος των Ηνωμένων Εθνών υψηλού επιπέδου που προσπαθεί να προλάβει μια επισιτιστική κρίση είτε ένας έμπορος βασικών προϊόντων που εργάζεται για ένα hedge fund.
Το Orbital Insight δεν υπήρξε εδώ και πολύ καιρό - ιδρύθηκε στα τέλη του 2013 και ξεκίνησε από το "stealth mode" στα τέλη του περασμένου έτους. Αλλά ο ιδρυτής της εταιρείας, James Crawford, έχει πολλή εμπειρία σε συμβατά πεδία. Πρώην επικεφαλής της αυτονομίας και της ρομποτικής στο ερευνητικό κέντρο της Ames της NASA, πέρασε επίσης δύο χρόνια ως τεχνικός διευθυντής στο Google Books, μετατρέποντας αρχειοθετημένες σελίδες σε κείμενο με δυνατότητα αναζήτησης.
Πολλές εταιρείες, όπως το Spire και το Inmarsat, ακόμα και το Elon Musk της Tesla, εργάζονται στον σχεδιασμό υλικού και στην εκτόξευση νέων δικτύων δορυφόρων. Ωστόσο, ο Crawford αναφέρει ότι το Orbital Insight επικεντρώνεται αποκλειστικά στο λογισμικό.
"Με πολλούς τρόπους, βλέπω τι κάνουμε εδώ με την ώθηση αυτής της εταιρείας, " λέει ο Crawford, "παίρνει πολλή μάθηση [στο Google] για το πώς να κάνει μεγάλα δεδομένα, πώς να εφαρμόσει [τεχνητή νοημοσύνη] πώς να εφαρμόσετε μηχανική μάθηση σε αυτούς τους αγωγούς των εικόνων και να το εφαρμόσετε στον δορυφορικό χώρο. "
Η εταιρεία Crawford μπορεί να είναι ένας από τους λίγους που εργάζονται για τη χρήση αναδυόμενων τεχνικών λογισμικού όπως τα τεχνητά νευρωνικά δίκτυα και η μηχανική μάθηση για την ανάλυση του δορυφόρου εικόνες. Αλλά η τεχνική που χρησιμοποιεί, γνωστή και ως βαθιά εκμάθηση, εκρήγνυται στον χώρο της τεχνολογίας αυτή τη στιγμή. Οι καθιερωμένες εταιρείες όπως το Facebook, η Google και η Microsoft χρησιμοποιούν τεχνικές βαθιάς μάθησης για πράγματα όπως αυτόματη ετικέτα εικόνας και βελτιωμένη αναγνώριση ομιλίας και μετάφραση. Επιπλέον, η IBM εξαγόρασε πρόσφατα μια εταιρεία βαθιάς μάθησης, που ονομάζεται AlchemyAPI, για να ενισχύσει το σύστημα υπολογιστή Watson.
Με βαθιά γνώση, ισχυροί υπολογιστές και πολλαπλά στρώματα ταυτόχρονης λειτουργίας αναγνώρισης προτύπων (εξ ου και η "βαθιά" βαθιά μάθηση) μιμούνται τα νευρικά δίκτυα του ανθρώπινου εγκεφάλου. Ο στόχος είναι να αποκτήσετε έναν υπολογιστή που να "μαθαίνει" να αναγνωρίζει τα πρότυπα ή να εκτελεί καθήκοντα που θα ήταν υπερβολικά περίπλοκα και χρονοβόρα για να "διδάξουν" χρησιμοποιώντας παραδοσιακό λογισμικό.
Με τη χειροκίνητη σήμανση των αυτοκινήτων σε μερικές εκατοντάδες θέσεις στάθμευσης και την τροφοδοσία των δεδομένων στο δίκτυο υπολογιστών, το λογισμικό μπορεί να μάθει ποια είναι τα αυτοκίνητα και στη συνέχεια να τα μετρήσει σε χιλιάδες άλλες εικόνες. (Orbital Insight, δορυφορικές εικόνες: DigitalGlobe) Οι λεπτομέρειες της βαθιάς μάθησης είναι τεχνικές, αλλά σε πολύ βασικό επίπεδο, είναι εκπληκτικά απλή. Όταν πρόκειται για τη μέτρηση των τάσεων λιανικής με τη δραστηριότητα στάθμευσης, Crawford λέει ότι η εταιρεία έχει πρώτα τους υπαλλήλους να επισημάνουν τα αυτοκίνητα χειροκίνητα σε μερικές εκατοντάδες θέσεις στάθμευσης με κόκκινες κουκκίδες. "Στη συνέχεια, τροφοδοτείτε κάθε μεμονωμένο αυτοκίνητο στο νευρικό δίκτυο και γενικεύετε τα μοτίβα φωτός και σκοτάδι, το πρότυπο των pixel ενός αυτοκινήτου", λέει ο Crawford. "Και όταν [ο υπολογιστής] κοιτάξει μια νέα εικόνα, αυτό που κάνει ουσιαστικά είναι αρκετά εξελιγμένο, αλλά εξακολουθεί να είναι βασικά ένα μοτίβο ταιριάζουν."
Κατά τον υπολογισμό της λιανικής δραστηριότητας, ο Crawford λέει ότι η εταιρεία του είναι πολύ καλύτερα να συνάγει πώς μια αλυσίδα κάνει σε εθνικό επίπεδο, μετρώντας τον τρόπο με τον οποίο οι χώροι στάθμευσης είναι με την πάροδο του χρόνου και συγκρίνοντας την πληρότητα των ίδιων παρτίδων σε προηγούμενα τρίμηνα χρησιμοποιώντας παλαιότερες εικόνες, από τη μέτρηση της υγείας ενός μεμονωμένου καταστήματος.
Παραδέχεται ότι πολλοί λιανοπωλητές έχουν ήδη τρόπους να εντοπίσουν αυτά τα δεδομένα για τα δικά τους καταστήματα, αλλά θα χαρούμε να μάθουμε πώς οι ανταγωνιστές τους κάνουν μήνες πριν από την κυκλοφορία των οικονομικών αποτελεσμάτων. Το ίδιο ισχύει και για τα hedge funds, τα οποία λέει η Crawford ότι είναι μερικοί από τους πρώτους πελάτες της εταιρείας. Είναι εύκολο να δούμε πώς αυτό το είδος των δεδομένων θα μπορούσε να δώσει στους επενδυτές ένα πόδι επάνω. Οι δορυφορικές εικόνες είναι ήδη διαθέσιμες και το Orbital Insight το αναλύει, οπότε είναι απίθανο να προκαλέσει προβλήματα εμπιστευτικότητας.
Αν το δίκτυο κάνει ένα περιστασιακό λάθος, λέει ότι προκαλεί σύγχυση με ένα βαρούλκο για ένα αυτοκίνητο, δεν είναι πολύ πρόβλημα, εξηγεί ο Crawford, επειδή τα λάθη τείνουν να ακυρώνονται ο ένας στον άλλο σε μεγάλη κλίμακα. Για πράγματα όπως οι εκτιμήσεις του πετρελαίου, ακόμη και αν είναι μακριά από αρκετές ποσοστιαίες μονάδες, είναι ακόμα καλύτερο από το να περιμένουν μέχρι έξι εβδομάδες για πιο συγκεκριμένα στοιχεία.
Ενώ η εκκίνηση φαίνεται να επικεντρώνεται στην παροχή δεδομένων στους επενδυτές της αγοράς πρώτα, αυτό που κάνει η εταιρεία θα μπορούσε να τεθεί σε πιο αλτρουιστικές χρήσεις επίσης. "Είμαστε περίεργοι στο μέλλον για να το χρησιμοποιήσουμε για να ανιχνεύσουμε την αποψίλωση και να εντοπίσουμε τα πράγματα όπως η κατασκευή δρόμων που θα μπορούσε να αποτελέσει πρόδρομο για την αποψίλωση», λέει ο Crawford. "Υπάρχουν επίσης πραγματικά ενδιαφέροντα πράγματα που μπορούν να γίνουν γύρω από την εξέταση του πακέτου χιονιού, του νερού και άλλων πτυχών της κλιματικής αλλαγής." Επίσης, λέει ότι εξετάζουν τη γεωργία του τρίτου κόσμου και λένε ότι οι πολλαπλές φασματικές εικόνες είναι ένας καλός τρόπος να πεις πόσο υγιή είναι τα φυτά, να προβλέψουμε τις αποτυχίες των καλλιεργειών.
Φυσικά, οποιαδήποτε πτυχή των μεγάλων δεδομένων που ενσωματώνει επίσης δορυφορικές εικόνες φέρνει τα ζητήματα ιδιωτικότητας. Όμως, το Orbital Insight δεν λαμβάνει τις φωτογραφίες, έχει πρόσβαση και αναλύει εικόνες που είναι ήδη διαθέσιμες. Και όπως επισημαίνει ο Crawford, οι ισχύοντες κανονισμοί των ΗΠΑ για τους δορυφόρους εμπορικής απεικόνισης ορίζουν ότι δεν μπορείτε να πάτε κάτω από 20 cm ανά εικονοστοιχείο. Σε αυτό το ψήφισμα, ο μέσος άνθρωπος θα εμφανιζόταν ως λίγες κουκκίδες. Έτσι θα ήταν δύσκολο να διακρίνουμε τους μεμονωμένους ανθρώπους, πόσο μάλλον την ταυτότητα ενός ατόμου ή ακόμα και το φύλο.
Ο Crawford λέει ότι πολλές από τις βραχυπρόθεσμες εξελίξεις στις τεχνικές βαθιάς μάθησης γενικά θα απαιτήσουν την απλοποίηση και την αυτοματοποίηση των τροποποιήσεων στους αλγόριθμους (δηλαδή λιγότερες χειροκίνητες πινακίδες αυτοκινήτων ή πεδία καλαμποκιού), ώστε οι εταιρείες να μπορούν να εφαρμόσουν ταχύτερα μηχανική μάθηση σε νέους τομείς.
Όσον αφορά το μέλλον της Orbital Insight συγκεκριμένα, ο ιδρυτής της εταιρείας σίγουρα δεν μιλάει μικρός. Ομολογεί τι κάνει η εταιρεία για να δημιουργήσει ένα "μακροσκόπιο" που θα μπορούσε να επηρεάσει τον κόσμο σε παρόμοιο βαθμό που το μικροσκόπιο μεταμόρφωσε τη βιολογία.
"Πολλά από αυτά που βλέπουμε για τη Γη, είτε πρόκειται για απόδοση καλαμποκιού είτε για αποψίλωση ή απογραφή πετρελαίου, είναι τόσο μεγάλα που δεν μπορείτε να τα δείτε με το ανθρώπινο μάτι γιατί θα πρέπει να επεξεργαστείτε ένα εκατομμύριο εικόνες ταυτόχρονα, "Λέει ο Crawford. "Θα αλλάξει τελικά ο τρόπος που βλέπουμε τη Γη, αλλάζουμε τον τρόπο που το σκεφτόμαστε και αλλάζουμε τον τρόπο που σκεφτόμαστε για τη διαχείρισή του".
