Januari 10th, 2021 by Carolyn Fortuna
Veel scenario's komen in ons op als we nadenken over hoe bestaande trainingsmodellen voor dynamische menselijke situaties geen rekening houden met het aanpassingsvermogen van de scène. Denk aan de plunderaars die deze week het gebouw van het Capitool zijn geïnfiltreerd - hoe zullen onderzoekers bepalen wat er mis is gegaan en toekomstige protocollen bedenken om ervoor te zorgen dat zo'n debacle nooit meer gebeurt? Het is duidelijk dat veel aannames de voorspellende nauwkeurigheid van het gedrag van mensenmassa's verminderen, maar datagestuurde methoden versterken het visuele realisme van massasimulatie. Trajecten van menigtebewegingen en sociale attributen in echte beelden kunnen echt een verschil maken. Wat als de wetenschap de volgende stap zet en crowd-driven beeldclassificatie opneemt in kunstmatige intelligentie (AI)? Onderzoekers zouden algoritmen snel en nauwkeurig kunnen trainen.
Afbeelding opgehaald uit NOAA (publiek domein)
Snelle vooruitgang in rekenkracht, de beschikbaarheid van big data en verbeteringen in algoritmen voor machine learning betekenen AI verandert de wereld zoals we die kennen. Computervisie, die AI-technologie met zich meebrengt om afbeeldingen te begrijpen en te labelen, wordt gebruikt bij activiteiten die zo divers zijn als auto testen zonder bestuurder, medische diagnostiek en het toezicht op vee of boomluifels. De op internet gebaseerde cyberfysieke wereld heeft de informatieomgeving voor de ontwikkeling van AI ingrijpend veranderd, waardoor een nieuwe onderzoeksgolf is ontstaan. Een nieuw en opvallend kenmerk van AI, crowd-driven intelligence, heeft veel aandacht getrokken van zowel de industrie als de academische wereld.
Er is veel mensenwerk betrokken bij AI: het afstemmen van de algoritmen, het verzamelen van de gegevens, het beslissen wat er in de eerste plaats moet worden gemodelleerd en het gebruik van de resultaten van machine learning in de echte wereld. Zoveel als onderzoek geeft aan dat de nauwkeurigheid van machine learning-taken in hoge mate afhangt van hoogwaardige grondwaarheidsgegevens. Daarom zijn in veel gevallen getrainde professionals betrokken bij het produceren van goede grondwaarheidsgegevens; dit kan echter veel tijd, moeite en geld kosten. In het bijzonder biedt crowd-driven intelligence een nieuw probleemoplossend paradigma door de intelligentie van menigten te verzamelen om uitdagingen aan te pakken, en is het steeds populairder geworden om een groot aantal trainingsgegevens van goede kwaliteit te genereren. Veel computertaken, zoals beeldherkenning en classificatie, zijn erg triviaal voor menselijke intelligentie, maar vormen een grote uitdaging voor de huidige AI-algoritmen.
Deze week heeft het International Institute for Applied Systems Analysis (IIASA) aangekondigd de ontwikkeling van het nieuwe Fotostapel Platform, dat tot doel heeft gebruikers de mogelijkheid te bieden om hun eigen crowd-driven campagnes voor beeldclassificatie op te zetten en uit te voeren. Die campagnes kunnen AI-algoritmen snel en nauwkeurig trainen.
Afbeelding geleverd door IIASA
Hoewel er veel afbeeldingsdatabases zijn die kunnen worden gebruikt om algoritmen voor machinaal leren te trainen om computer vision-taken uit te voeren, is er een gebrek aan datasets met meer specifieke interessante functies, zoals bijsnijden of gebouwtypen. Het nieuwe Picture Pile Platform zal dit aanpakken door voort te bouwen op de bestaande Picture Pile crowd-driven applicatie waarmee gebruikers stapels foto's kunnen classificeren of helpen sorteren.
Dit kunnen satellietbeelden met een zeer hoge resolutie zijn, foto's met geo-tags of andere afbeeldingen (bijv. Afbeeldingen van medische toepassingen) die moeten worden gesorteerd. Nadat een stapel is gesorteerd, kunnen de beeldclassificaties met openbaar worden gemaakt FAIR (Vindbare, toegankelijke, interoperabele en herbruikbare) metadata zodat ze vrijelijk door iedereen kunnen worden gebruikt. De FAIR-principes leggen de nadruk op machine-actionability (dat wil zeggen, het vermogen van computersystemen om gegevens te vinden, te openen, samen te werken en te hergebruiken zonder of met minimale menselijke tussenkomst) omdat mensen steeds meer afhankelijk zijn van computationele ondersteuning om met gegevens om te gaan als gevolg van de toename van volume, complexiteit en aanmaaksnelheid van gegevens.
Het Picture Pile Platform zal kwaliteitscontrolemechanismen bieden om de nauwkeurigheid van de verzamelde gegevens te garanderen.
Picture Pile werd aanvankelijk ontwikkeld als onderdeel van de baanbrekende onderzoeks- en ontwikkelingsactiviteiten binnen de ERC Consolidator Grant, "CrowdLand: de kracht van crowdsourcing benutten om informatie over landbedekking en landgebruik te verbeteren, ”En heeft aanzienlijk bijgedragen aan het opkomende gebied van citizen science. Tot op heden zijn er 34 Picture Pile-campagnes geweest, waarbij 10,130 mensen zijn betrokken die meer dan 15 miljoen afbeeldingen hebben geclassificeerd.
"We zijn vaak benaderd door instellingen die vroegen of we een stapel konden maken, met andere woorden, specifieke beeldclassificaties, in Picture Pile", legt IIASA Strategic Initiatives Program Director Steffen Fritz uit, die het project zal leiden. "Het nieuwe platform zal de kloof dichten die momenteel in de markt bestaat voor een platform waarmee gebruikers hun eigen op maat gemaakte, kwaliteitsgecontroleerde crowd-driven campagnes kunnen bouwen om beeldclassificaties op een efficiënte, boeiende en eerlijke manier te verzamelen, en de verzamelde gegevens openlijk en vrij beschikbaar. Als het platform eenmaal is gebouwd, zullen de bedrijfskosten laag zijn en zal het algehele voordeel voor de samenleving enorm zijn. "
Uiteindelijk zullen premium-services worden toegevoegd om het platform commercieel zelfvoorzienend te maken.
Afbeelding opgehaald uit NOAA (publiek domein)
Mobiele crowdsourcing is een uitbreiding van menselijke berekeningen van de virtuele digitale wereld naar de fysieke wereld. De gamified-versie van de annotatietool Picture Pile is toegankelijk als een online versie en als een mobiele app in zowel IOS als Android (naam: Picture Pile).
"Als het voor iedereen mogelijk is om gemakkelijk, snel en vrijelijk zijn eigen Picture Pile-campagnes uit te voeren, en ervoor te kiezen de resulterende gegevens openlijk en vrij beschikbaar te stellen voor iedereen, zullen wetenschappers en applicatieontwikkelaars uit veel verschillende vakgebieden kunnen trainen AI-modellen die taken sneller, betrouwbaarder en kosteneffectiever kunnen oplossen dan mensen. De mogelijkheden om deze innovatie toe te passen op een breed scala van sectoren beloven verstrekkende voordelen voor de samenleving en het wetenschappelijk onderzoek ”, zegt IIASA-onderzoeker Tobias Sturn, hoofdontwikkelaar van het Picture Pile Platform.
IIASA heeft samengewerkt met tal van instellingen, waaronder de European Space Agency, het Earth Day Network, het Wilson Center, teledetectiebedrijven en universiteiten om palen te maken met Picture Pile om machines te trainen om gedegradeerde woningen te detecteren op basis van satelliet- en grondfoto's, zwerfvuil op zee vanuit de lucht foto's en classificaties van verschillende gewassen om voedselzekerheidsproblemen aan te pakken. Momenteel gebruiken IIASA en SAS Picture Pile om algoritmen aan te drijven om ontbossing in het Amazone-regenwoud op te sporen.
Deze zeer competitieve ERC Proof of Concept-subsidie is een van de drie die tijdens de laatste jaarlijkse rondes aan in Oostenrijk gevestigde instellingen is toegekend. IIASA-onderzoekers hebben het afgelopen jaar een aantal ERC-beurzen ontvangen om grensverleggend onderzoek te financieren op het gebied van rechtvaardig pensioenbeleid, klimaatverandering en bevolkingstrends, en technologieën voor negatieve emissies.
Waardeer je de originaliteit van CleanTechnica? Overweeg om een CleanTechnica-lid, supporter of ambassadeur - of een beschermheer op Patreon.
Meld u gratis aan dagelijkse nieuwsbrief or wekelijkse nieuwsbrief om nooit een verhaal te missen.
Heeft u een tip voor CleanTechnica, wilt u adverteren of een gast voorstellen voor onze CleanTech Talk-podcast? Neem hier contact met ons op.
Tesla's verkopen in 2012 vs. 2021
Over de auteur
Carolyn Fortuna Carolyn Fortuna (zij, zij), Ph.D. is een schrijver, onderzoeker en docent met een levenslange toewijding aan ecojustice. Ze heeft prijzen gewonnen van de Anti-Defamation League, The International Literacy Association en The Leavy Foundation. Als onderdeel van de verkoop van haar portefeuille kocht ze 5 aandelen Tesla-aandelen.
Volg haar alstublieft Twitter en Facebook.
