일월 10일 (2021년) by 캐롤린 포 투나
동적 인간 상황에 대한 기존 학습 모델이 장면 적응성을 고려하지 않는 방식을 생각할 때 많은 시나리오가 떠 오릅니다. 이번 주에 미 국회 의사당 건물에 침투 한 약탈자들을 생각해보십시오. 수사관들은 어떻게 잘못되었는지 확인하고 그러한 파편이 다시는 일어나지 않도록 미래의 프로토콜을 고안 할 것입니까? 분명히 많은 가정이 군중 행동의 예측 정확도를 떨어 뜨리지 만 데이터 기반 방법은 군중 시뮬레이션의 시각적 사실성을 향상시킵니다. 군중 이동의 궤적과 실제 이미지의 사회적 속성은 실질적인 차이를 만들 수 있습니다. 과학이 다음 단계를 수행하고 군중 중심 이미지 분류를 인공 지능 (AI)에 통합하면 어떨까요? 연구원은 알고리즘을 빠르고 정확하게 훈련시킬 수 있습니다.
에서 가져온 이미지 NOAA (퍼블릭 도메인)
컴퓨팅 성능, 빅 데이터의 가용성 및 기계 학습 알고리즘의 개선이 빠르게 발전한다는 것은 AI는 우리가 알고있는 세상을 변화시키고 있습니다. 이미지를 이해하고 라벨링하는 AI 기술을 수반하는 컴퓨터 비전은 다음과 같은 다양한 활동에 사용됩니다. 무인 자동차 테스트, 의료 진단 및 가축 모니터링 또는 나무 캐노피. 인터넷 기반의 사이버-물리적 세계는 AI 개발을위한 정보 환경을 근본적으로 변화시켜 새로운 연구 물결을 가져 왔습니다. AI의 새롭고 두드러진 특징 인 군중 중심 지능은 산업계와 학계 모두에서 많은 관심을 끌었습니다.
AI에는 알고리즘 튜닝, 데이터 수집, 우선 모델링해야 할 항목 결정, 현실 세계에서 머신 러닝의 결과 사용 등 상당한 인력 작업이 포함됩니다. 많이 연구 기계 학습 작업의 정확성은 높은 품질의 실측 데이터에 크게 좌우됩니다. 따라서 대부분의 경우 좋은 Ground Truth 데이터를 생성하려면 일반적으로 숙련 된 전문가가 필요합니다. 그러나 이것은 시간, 노력 및 비용이 많이들 수 있습니다. 특히, 군중 중심 지능은 문제를 해결하기 위해 군중의 지능을 수집하여 새로운 문제 해결 패러다임을 제공하며 양질의 많은 훈련 데이터를 생성하는 데 점점 더 인기를 얻고 있습니다. 이미지 인식 및 분류와 같은 많은 계산 작업은 인간 지능에 매우 사소하지만 현재 AI 알고리즘에는 큰 도전을 제기합니다.
이번 주, 국제 응용 시스템 분석 연구소 (IIASA) 발표 새로운 개발 사진 더미 플랫폼, 사용자에게 크라우드 중심 이미지 분류 캠페인을 설정하고 실행할 수있는 기회를 제공하는 것을 목표로합니다. 이러한 캠페인은 AI 알고리즘을 빠르고 정확하게 훈련시킬 수 있습니다.
이미지 제공 : 이 아사
컴퓨터 비전 작업을 수행하기 위해 머신 러닝 알고리즘을 훈련하는 데 사용할 수있는 이미지 데이터베이스가 많지만 작물 또는 건물 유형과 같은보다 구체적인 관심 기능을 포함하는 데이터 세트가 부족합니다. 새로운 Picture Pile 플랫폼은 사용자가 사진 더미를 분류하거나 분류하는 데 도움을 줄 수있는 기존 Picture Pile 군중 기반 애플리케이션을 기반으로이 문제를 해결합니다.
이러한 이미지는 고해상도 위성 이미지, 위치 정보 태그가 지정된 사진 또는 정렬이 필요한 기타 이미지 (예 : 의료 애플리케이션의 이미지) 일 수 있습니다. 파일을 분류 한 후 이미지 분류는 다음을 통해 공개적으로 사용할 수 있습니다. FAIR (Findable, Accessible, Interoperable, Reusable) 메타 데이터를 통해 누구나 자유롭게 사용할 수 있습니다. FAIR 원칙은 기계 실행 가능성 (즉, 사람의 개입없이 또는 최소한의 개입으로 데이터를 찾고, 액세스하고, 상호 운용하고, 재사용 할 수있는 컴퓨터 시스템의 능력)을 강조합니다. 왜냐하면 인간은 증가의 결과로 데이터를 처리하기 위해 컴퓨팅 지원에 점점 더 의존하기 때문입니다. 데이터의 양, 복잡성 및 생성 속도.
Picture Pile 플랫폼은 수집 된 데이터의 정확성을 보장하기 위해 품질 관리 메커니즘을 제공합니다.
Picture Pile은 처음에 ERC Consolidator Grant 내의 선구적인 연구 및 개발 활동의 일환으로 개발되었습니다.CrowdLand : 크라우드 소싱의 힘을 활용하여 토지 피복 및 토지 이용 정보 개선,”신흥 시민 과학 분야에 크게 기여했습니다. 현재까지 34 만 개 이상의 이미지를 분류 한 10,130 명이 참여한 15 개의 Picture Pile 캠페인이있었습니다.
프로젝트를 주도 할 IIASA 전략 이니셔티브 프로그램 디렉터 인 Steffen Fritz는“우리는 종종 사진 파일에 더미, 즉 특정 이미지 분류를 만들 수 있는지 묻는 기관에서 접근했습니다. “새로운 플랫폼은 사용자가 자신의 맞춤형 품질 관리 군중 중심 캠페인을 구축하여 효율적이고 매력적이며 공정한 방식으로 이미지 분류를 수집 한 다음 가능하게 만들 수있는 플랫폼에 대해 현재 시장에 존재하는 격차를 해결할 것입니다. 공개적으로 수집 된 데이터를 자유롭게 사용할 수 있습니다. 플랫폼이 구축되면 운영 비용이 낮아지고 사회에 대한 전반적인 이익이 엄청날 것입니다.”
결국 프리미엄 서비스가 추가되어 플랫폼을 상업적으로 자립 할 수 있습니다.
에서 가져온 이미지 NOAA (퍼블릭 도메인)
모바일 크라우드 소싱은 가상 디지털 세계에서 실제 세계로 인간 계산의 확장입니다. Picture Pile 주석 도구의 게임 화 된 버전은 IOS 및 Android (이름 : Picture Pile)의 모바일 앱뿐만 아니라 온라인 버전으로도 액세스 할 수 있습니다.
“모든 사람이 쉽고 빠르고 자유롭게 자신의 Picture Pile 캠페인을 실행하고 결과 데이터가 모든 사람에게 공개되고 무료로 제공되도록 선택할 수 있다면 다양한 분야의 과학자와 응용 프로그램 개발자가 교육을받을 수 있습니다. 인간보다 더 빠르고 안정적이며 비용 효율적으로 작업을 해결할 수있는 AI 모델입니다. 이 혁신을 광범위한 분야에 적용 할 수있는 기회는 사회와 과학 연구에 광범위한 혜택을 약속합니다.”IIASA 연구원 Tobias Sturn, Picture Pile Platform의 수석 개발자는 말합니다.
IIASA는 유럽 우주국, 지구의 날 네트워크, 윌슨 센터, 원격 감지 회사 및 대학을 포함한 수많은 기관과 협력하여 위성 및 지상 사진에서 주택 저하를 감지하고 항공에서 해양 쓰레기를 감지하는 기계를 훈련시키기 위해 Picture Pile로 파일을 생성했습니다. 식량 안보 문제를 해결하기 위해 다양한 작물의 사진 및 분류. 현재 IIASA와 SAS는 Amazon 열대 우림의 삼림 벌채를 감지하는 알고리즘을 강화하기 위해 Picture Pile을 사용하고 있습니다.
경쟁이 치열한이 ERC 개념 증명 보조금은 최근 연례 라운드에서 오스트리아에 기반을 둔 기관에 수여 된 세 가지 중 하나입니다. IIASA 연구자들은 공평한 연금 정책, 기후 변화 및 인구 동향, 부정적인 배출 기술 분야의 개척 연구에 자금을 지원하기 위해 작년에 많은 ERC 보조금을 받았습니다.
CleanTechnica의 독창성을 인정하십니까? 고려하는 것을 고려하십시오 CleanTechnica 회원, 후원자 또는 대사 — 또는 후원자 Patreon.
무료 등록 매일 뉴스 레터 or 주간 뉴스 레터 이야기를 놓치지 않기 위해.
CleanTechnica에 대한 팁이 있거나 광고를 원하거나 CleanTech Talk 팟 캐스트에 게스트를 제안하고 싶으십니까? 여기에 문의하십시오.
2012 년 vs. 2021 년 Teslas 판매
