जनवरी 10th, 2021 by कैरोलिन Fortuna
कई परिदृश्यों को ध्यान में रखते हैं जब हम सोचते हैं कि गतिशील मानव स्थितियों के लिए मौजूदा प्रशिक्षण मॉडल दृश्य अनुकूलनशीलता के बारे में कैसे विचार करते हैं। इस सप्ताह अमेरिकी कैपिटल बिल्डिंग में घुसपैठ करने वाले दारोगाओं पर विचार करें - जांचकर्ता यह कैसे निर्धारित करेंगे कि क्या गलत हुआ और भविष्य के प्रोटोकॉल को सुनिश्चित करें ताकि इस तरह की तबाही फिर कभी न हो? स्पष्ट रूप से, कई धारणाएं भीड़ के व्यवहार की भविष्यवाणी की सटीकता को कम करती हैं, लेकिन डेटा-संचालित तरीके भीड़ सिमुलेशन के दृश्य यथार्थवाद को बढ़ाते हैं। वास्तविक कल्पना में भीड़ के आंदोलनों और सामाजिक विशेषताओं के प्रक्षेपवक्र वास्तविक अंतर ला सकते हैं। क्या होगा अगर विज्ञान अगला कदम उठाता है और भीड़-संचालित छवि वर्गीकरण को कृत्रिम बुद्धिमत्ता (एआई) में शामिल करता है? शोधकर्ता एल्गोरिदम को जल्दी और सटीक रूप से प्रशिक्षित करने में सक्षम होंगे।
से प्राप्त छवि एनओएए (पब्लिक डोमेन)
कंप्यूटिंग शक्ति में तेजी से प्रगति, बड़े डेटा की उपलब्धता और मशीन लर्निंग एल्गोरिदम में सुधार जैसा कि हम जानते हैं कि AI दुनिया बदल रहा है। कंप्यूटर दृष्टि, जो एआई तकनीक को समझने और छवियों को लेबल करने के लिए मजबूर करती है, का उपयोग विभिन्न गतिविधियों में किया जाता है चालक रहित कार परीक्षण, चिकित्सा निदान और पशुधन की निगरानी या पेड़ के डिब्बे। इंटरनेट आधारित साइबर-भौतिक दुनिया ने एआई के विकास के लिए सूचना के माहौल को गहराई से बदल दिया है, जिससे अनुसंधान की एक नई लहर आई है। एआई की एक नई और मुख्य विशेषता, भीड़-चालित खुफिया, ने उद्योग और शैक्षणिक समुदायों दोनों से बहुत ध्यान आकर्षित किया है।
एआई में काफी मानवीय कार्य शामिल हैं - एल्गोरिदम को ट्यून करना, डेटा एकत्र करना, यह तय करना कि पहली जगह में क्या मॉडल होना चाहिए, और वास्तविक दुनिया में मशीन सीखने के परिणामों का उपयोग करना। इतना ज्यादा अनुसंधान इंगित करता है, मशीन सीखने के कार्यों की सटीकता गंभीर रूप से उच्च गुणवत्ता वाले ज़मीनी आंकड़ों पर निर्भर करती है। इसलिए, कई मामलों में, अच्छा जमीनी सच डेटा तैयार करने में आमतौर पर प्रशिक्षित पेशेवर शामिल होते हैं; हालाँकि, यह समय, प्रयास और पैसे में महंगा हो सकता है। विशेष रूप से, भीड़-चालित खुफिया चुनौतियों को संबोधित करने के लिए भीड़ की बुद्धि को इकट्ठा करने के माध्यम से एक उपन्यास समस्या-समाधान प्रतिमान प्रदान करता है और बड़ी संख्या में अच्छी गुणवत्ता के प्रशिक्षण डेटा उत्पन्न करने के लिए तेजी से लोकप्रिय हो गया है। कई कम्प्यूटेशनल कार्य, जैसे छवि पहचान और वर्गीकरण, मानव बुद्धि के लिए बहुत तुच्छ हैं, लेकिन वर्तमान एआई एल्गोरिदम के लिए भव्य चुनौतियां हैं।
इस हफ्ते, इंटरनेशनल इंस्टीट्यूट फॉर एप्लाइड सिस्टम्स एनालिसिस (IIASA) की घोषणा नए का विकास चित्र ढेर मंच, जिसका उद्देश्य उपयोगकर्ताओं को अपने स्वयं के भीड़-संचालित छवि वर्गीकरण अभियानों को स्थापित करने और चलाने का अवसर प्रदान करना है। वे अभियान एआई एल्गोरिदम को जल्दी और सटीक रूप से प्रशिक्षित कर सकते हैं।
द्वारा प्रदान की गई छवि आईआईएएसए
जबकि कई छवि डेटाबेस हैं जिन्हें कंप्यूटर विज़न कार्यों को करने के लिए मशीन लर्निंग एल्गोरिदम को प्रशिक्षित करने के लिए इस्तेमाल किया जा सकता है, ऐसे डेटासेट की कमी है जिसमें ब्याज की अधिक विशिष्ट विशेषताएं हैं, उदाहरण के लिए, फसल या भवन प्रकार। नया पिक्चर पाइल प्लेटफॉर्म मौजूदा पिक्चर पाइल भीड़-संचालित एप्लिकेशन पर निर्माण करके इसे संबोधित करेगा, जो उपयोगकर्ताओं को चित्रों के ढेर के माध्यम से वर्गीकृत या मदद करने की अनुमति देता है।
ये बहुत ही उच्च रिज़ॉल्यूशन के उपग्रह चित्र, भू-टैग किए गए चित्र या कोई अन्य चित्र (जैसे, चिकित्सा अनुप्रयोगों से छवियां) हो सकते हैं जिनकी छंटाई की आवश्यकता होती है। ढेर को छाँटने के बाद, छवि वर्गीकरण को सार्वजनिक रूप से उपलब्ध कराया जा सकता है मेले (खोजने योग्य, सुलभ, परस्पर, और पुन: प्रयोज्य) मेटाडेटा ताकि वे किसी के द्वारा भी स्वतंत्र रूप से उपयोग किया जा सके। एफएआईआर के सिद्धांत मशीन-एक्शनबिलिटी (यानी, कम्प्यूटेशनल सिस्टम की क्षमता, किसी के या कम से कम मानव हस्तक्षेप के साथ डेटा को खोजने, एक्सेस करने, इंटरप्रेट करने और पुन: उपयोग करने पर जोर देते हैं) क्योंकि मनुष्य वृद्धि के परिणामस्वरूप डेटा से निपटने के लिए कम्प्यूटेशनल समर्थन पर भरोसा करते हैं। डेटा की मात्रा, जटिलता और निर्माण की गति।
पिक्चर पाइल प्लेटफ़ॉर्म एकत्र किए गए डेटा की सटीकता की गारंटी के लिए गुणवत्ता नियंत्रण तंत्र प्रदान करेगा।
चित्र पाइल को शुरू में ERC कंसोलिडेटर ग्रांट के भीतर अग्रणी अनुसंधान और विकास गतिविधियों के हिस्से के रूप में विकसित किया गया था।क्राउडलैंड: लैंड कवर और भूमि उपयोग की जानकारी में सुधार के लिए क्राउडसोर्सिंग की शक्ति का उपयोग करना, ”और नागरिक विज्ञान के उभरते क्षेत्र में महत्वपूर्ण योगदान दिया है। आज तक, 34 लोगों को मिलाकर 10,130 पिक्चर पाइल अभियान हुए हैं, जिन्होंने 15 मिलियन से अधिक छवियों को वर्गीकृत किया है।
IIASA स्ट्रेटेजिक इनिशिएटिव्स प्रोग्राम के निदेशक स्टेफेन फ्रिट्ज बताते हैं, "हमें अक्सर संस्थानों से संपर्क करके पूछा जाता है कि क्या हम दूसरे शब्दों में, विशिष्ट चित्र वर्गीकरण में, ढेर बना सकते हैं"। “नया मंच एक बाजार के लिए वर्तमान में मौजूद अंतर को संबोधित करेगा, जो उपयोगकर्ताओं को एक कुशल, आकर्षक और उचित तरीके से छवि वर्गीकरण एकत्र करने के लिए अपने स्वयं के अनुरूप, गुणवत्ता नियंत्रित भीड़-संचालित अभियान बनाने की अनुमति देता है, और फिर संभवतः बनाते हैं डेटा खुले तौर पर और स्वतंत्र रूप से उपलब्ध है। एक बार प्लेटफ़ॉर्म बन जाने के बाद, चलने की लागत कम होगी, और समाज के लिए समग्र लाभ जबरदस्त होगा। ”
आखिरकार, मंच को व्यावसायिक रूप से आत्मनिर्भर बनाने के लिए प्रीमियम सेवाओं को जोड़ा जाएगा।
से प्राप्त छवि एनओएए (पब्लिक डोमेन)
मोबाइल क्राउडसोर्सिंग आभासी डिजिटल दुनिया से भौतिक दुनिया तक मानव गणना का विस्तार है। पिक्चर पाइल एनोटेशन टूल का सरलीकृत संस्करण एक ऑनलाइन संस्करण के साथ-साथ आईओएस और एंड्रॉइड (नाम: पिक्चर पाइल) दोनों में एक मोबाइल ऐप के रूप में उपलब्ध है।
“यदि यह सभी के लिए आसानी से, जल्दी और स्वतंत्र रूप से अपने स्वयं के चित्र पाइल अभियान चलाने के लिए संभव है, और परिणामी डेटा को खुले तौर पर और स्वतंत्र रूप से सभी के लिए उपलब्ध होने के लिए चुनें, तो कई अलग-अलग क्षेत्रों के वैज्ञानिक और अनुप्रयोग डेवलपर्स प्रशिक्षित कर पाएंगे। एआई मॉडल जो तेजी से कार्यों को हल कर सकते हैं, अधिक मज़बूती से, और मनुष्यों की तुलना में अधिक लागत प्रभावी ढंग से। आईआईएएसए के शोधकर्ता टोबियास स्टर्न, पिक्चर पाइल प्लेटफॉर्म के प्रमुख डेवलपर, आईआईएएसए शोधकर्ता टोबियास स्टर्न कहते हैं, इस नवाचार को व्यापक रूप से लागू करने के अवसरों ने समाज और वैज्ञानिक अनुसंधान के लिए दूरगामी लाभ का वादा किया है।
IIASA ने यूरोपीय अंतरिक्ष एजेंसी, अर्थ डे नेटवर्क, विल्सन सेंटर, रिमोट सेंसिंग कंपनियों, और विश्वविद्यालयों के साथ कई संस्थानों के साथ सहयोग किया है ताकि सैटेलाइट और ग्राउंड फोटो, एरियल से समुद्री कूड़े से आवास का पता लगा सकें। खाद्य सुरक्षा के मुद्दों से निपटने के लिए विभिन्न फसलों की तस्वीरें और वर्गीकरण। वर्तमान में IIASA और SAS, अमेज़ॅन वर्षावन में वनों की कटाई का पता लगाने के लिए पिक्चर पाइल का उपयोग बिजली एल्गोरिदम के लिए कर रहे हैं।
कॉन्सेप्ट ग्रांट का यह बेहद प्रतिस्पर्धी ईआरसी प्रूफ नवीनतम वार्षिक दौर में ऑस्ट्रिया स्थित संस्थानों को दिए जाने वाले तीन में से एक है। IIASA शोधकर्ताओं को पिछले वर्ष की तुलना में कई ईआरसी अनुदानों से सम्मानित किया गया है ताकि समान पेंशन नीतियों, जलवायु परिवर्तन और जनसंख्या के रुझान, और नकारात्मक उत्सर्जन प्रौद्योगिकियों के क्षेत्र में सीमांत अनुसंधान को निधि दी जा सके।
CleanTechnica की मौलिकता की सराहना करें? बनने पर विचार करें CleanTechnica सदस्य, समर्थक, या राजदूत - या पर एक संरक्षक Patreon.
हमारे मुफ़्त के लिए साइन अप करें दैनिक समाचार पत्र or साप्ताहिक समाचार पत्र एक कहानी याद करने के लिए कभी नहीं।
CleanTechnica के लिए एक टिप है, विज्ञापन करना चाहते हैं, या हमारे CleanTech टॉक पॉडकास्ट के लिए एक अतिथि का सुझाव देना चाहते हैं? हमसे संपर्क करें.
2012 बनाम 2021 में टेस्ला को बेचना
लेखक के बारे में
कैरोलिन Fortuna कैरोलिन फोर्टुना (वे, वे), पीएच.डी. एक लेखक, शोधकर्ता, और पर्यावरणविद के प्रति आजीवन समर्पण के साथ शिक्षक है। उन्होंने एंटी-डिफेमेशन लीग, द इंटरनेशनल लिटरेसी एसोसिएशन और द लेवी फाउंडेशन से पुरस्कार जीते। उसके पोर्टफोलियो विभाजन के तहत, उसने टेस्ला स्टॉक के 5 शेयर खरीदे।
कृपया उसका अनुसरण करें ट्विटर और फेसबुक.
