Data besar semakin besar, ia merosotnya bon Bumi.
Permulaan yang dipanggil Orbital Insight, yang baru-baru ini membangkitkan hampir $ 9 juta dalam pembiayaan, menggunakan imejan satelit dan teknik pengkomputeran canggih untuk menganggarkan lebihan minyak global, meramalkan kekurangan tanaman sebelum musim menuai dan tempat trend runcit dengan menjejaki bilangan kereta di tempat letak kereta besar-kotak. Ia juga mungkin untuk melatih perisian untuk melihat penebangan hutan haram awal dan lebih baik mengesan perubahan iklim.
Syarikat itu menggunakan teknik pembelajaran mesin dan rangkaian pengkomputeran yang meniru otak manusia untuk melihat corak dalam jumlah data visual yang besar. Facebook menggunakan teknik yang serupa untuk mengenali wajah dalam imej yang dimuat naik dan menanda-automatik anda dan rakan anda. Tetapi daripada mencari wajah, Orbital Insight mengambil kesempatan daripada peningkatan citra satelit yang semakin meningkat, berkat kebangkitan satelit kecil, kos rendah, dan mengajar rangkaian mereka untuk mengenali secara automatik perkara seperti kenderaan, kadar pembinaan di China dan bayang-bayang yang dilemparkan oleh kontena minyak terapung, yang berubah bergantung pada seberapa penuhnya.
Sudah tentu, mustahil, bagi manusia untuk menapis citra satelit global yang sentiasa dikemas kini. Tetapi dengan komputer secara besar-besaran dan teknik pengenalan corak maju, Orbital Insight bertujuan untuk menyampaikan jenis data yang tidak tersedia sebelum ini. Anggaran minyak global semasa, misalnya, sudah berusia enam minggu apabila ia diterbitkan. Dengan Orbital, analisis hasil tanaman boleh disampaikan kepada maklumat pertengahan musim penting, sama ada anda seorang pekerja Pertubuhan Bangsa-Bangsa Bersatu yang tinggi yang berusaha untuk mengatasi krisis makanan, atau seorang peniaga komoditi yang bekerja untuk dana lindung nilai.
Insight Orbital tidak lama lagi - ia ditubuhkan pada akhir 2013 dan hanya keluar dari "mod siluman" lewat tahun lepas. Tetapi pengasas syarikat, James Crawford, mempunyai banyak pengalaman dalam bidang yang serasi. Ketua mantan otonomi dan robotika di Pusat Penelitian Ames NASA, ia juga menghabiskan dua tahun sebagai pengarah kejuruteraan di Google Buku, mengubah halaman cetak yang diarsipkan ke dalam teks yang dapat dicari.
Beberapa syarikat, seperti Spire dan Inmarsat, dan juga Elon Musk dari Tesla, sedang berusaha membuat reka bentuk perkakasan dan melancarkan rangkaian satelit baru-tetapi Crawford mengatakan Orbital Insight sebaliknya memfokuskan semata-mata kepada perisian.
"Dalam beberapa cara saya melihat apa yang kita lakukan di sini dalam dorongan syarikat ini, " kata Crawford, "mengambil banyak pengajaran [di Google] tentang bagaimana melakukan data besar, cara menggunakan [kecerdasan buatan] bagaimana untuk menerapkan pembelajaran mesin kepada saluran paip ini, dan aplikasikannya ke ruang satelit. "
Syarikat Crawford mungkin salah satu dari sedikit yang bekerja menggunakan teknik perisian yang muncul seperti rangkaian saraf buatan dan pembelajaran mesin untuk menghuraikan satelit imejan. Tetapi teknik yang dia gunakan, juga dikenali sebagai pembelajaran mendalam, meletup di ruang teknologi pada masa ini. Syarikat-syarikat yang ditubuhkan seperti Facebook, Google dan Microsoft menggunakan teknik pembelajaran mendalam untuk perkara-perkara seperti penandaan imej automatik dan pengiktirafan dan terjemahan pertuturan yang lebih baik. IBM juga baru-baru ini memperoleh sebuah syarikat pembelajaran yang mendalam, yang dipanggil AlchemyAPI, untuk meningkatkan sistem komputer Watson mereka.
Dengan pembelajaran yang mendalam, komputer berkuasa dan pelbagai lapisan pengenalan corak serentak berjalan (dengan itu "mendalam" dalam pembelajaran mendalam) meniru rangkaian saraf otak manusia. Matlamatnya adalah untuk mendapatkan komputer untuk "belajar" untuk mengenali corak atau melaksanakan tugas yang terlalu rumit dan memakan masa untuk "mengajar" menggunakan perisian tradisional.
Dengan secara manual menandakan kereta di beberapa tempat letak kereta dan memakan data ke dalam rangkaian komputer, perisian itu boleh mengetahui apa yang kereta kelihatan dan seterusnya mengira mereka dalam beribu-ribu imej lain. (Orbital Insight, imejan satelit: DigitalGlobe) Butiran pembelajaran mendalam adalah teknikal, tetapi pada tahap yang sangat asas, itu sangat mudah. Apabila ia datang untuk mengukur trend runcit dengan aktiviti tempat letak kereta, Crawford berkata syarikat itu pertama kali mempunyai pekerja secara manual menandakan kereta di beberapa tempat letak kereta dengan titik merah. "Kemudian, anda memberi makan setiap kereta individu ke dalam rangkaian saraf, dan ia mengamalkan corak cahaya dan gelap, corak piksel kereta, " kata Crawford. "Dan ketika [komputer] melihat imej baru, apa yang pada dasarnya dilakukan cukup canggih, tetapi pada dasarnya masih sepadan dengan pola."
Apabila menganggarkan aktiviti runcit, Crawford berkata syarikatnya lebih baik menyimpulkan bagaimana rantaian sedang dilakukan di peringkat kebangsaan, dengan mengukur bagaimana letak kereta penuh dari masa ke masa dan membandingkannya dengan seberapa banyak lot yang sama berada dalam suku sebelumnya menggunakan imej yang lebih tua, daripada mengukur kesihatan kedai individu.
Dia mengakui bahawa banyak peruncit sudah mempunyai cara untuk menjejaki data ini untuk kedai mereka sendiri, tetapi mereka gembira dapat mengetahui bagaimana pesaing mereka berbulan-bulan sebelum keputusan kewangan dikeluarkan. Begitu juga dengan dana lindung nilai, yang dikatakan Crawford adalah beberapa pelanggan terawal syarikat. Sangat mudah untuk melihat bagaimana data semacam ini dapat memberikan para pelabur ke tahap yang lebih tinggi. Imejan satelit sudah tersedia, dan Orbital Insight hanya menguraikannya, jadi tidak mungkin mencetuskan masalah perdagangan orang lain.
Sekiranya rangkaian membuat kesilapan sekali-sekala, katakan membingungkan tempat sampah untuk sebuah kereta, ia tidak banyak masalah, Crawford menjelaskan, kerana kesilapan cenderung membatalkan satu sama lain secara besar-besaran. Bagi perkara-perkara seperti anggaran minyak, walaupun mereka berada dalam beberapa mata peratusan, ia masih lebih baik daripada menunggu sehingga enam minggu untuk mendapatkan data yang lebih konkrit.
Walaupun permulaannya nampaknya memberi tumpuan kepada penyediaan data kepada pelabur pasaran terlebih dahulu, apa yang syarikat itu dapat digunakan untuk menggunakan lebih banyak altruistik juga. "Kami ingin tahu pada masa akan datang mengenai penggunaan ini untuk mengesan penebangan hutan, dan untuk mengesan perkara seperti pembinaan jalan raya yang boleh menjadi pendahulu untuk penebangan hutan, " kata Crawford. "Terdapat juga perkara-perkara menarik yang boleh dilakukan di sekitar mencari pakej salji, air dan aspek-aspek lain untuk perubahan iklim." Dia juga mengatakan mereka sedang mencari pertanian dunia ketiga, dan mengatakan imej pelbagai spektrum adalah cara yang baik untuk memberitahu bagaimana tumbuhan yang sihat, untuk meramalkan kegagalan tanaman.
Sudah tentu, apa-apa aspek data besar yang juga menggabungkan imejan satelit membawa isu privasi. Tetapi Orbital Insight tidak mengambil gambar, mereka mengakses dan menganalisis imej yang sudah tersedia. Dan seperti yang ditunjukkan oleh Crawford, peraturan AS saat ini untuk satelit pengimejan komersil menetapkan bahawa anda tidak boleh pergi di bawah 20 cm per piksel. Pada resolusi itu, orang biasa akan muncul sebagai beberapa titik. Oleh itu, sukar untuk membezakan individu individu sama sekali, apalagi identiti seseorang atau jantina.
Crawford mengatakan bahawa banyak kemajuan jangka pendek dalam teknik pembelajaran mendalam secara umum akan melibatkan memudahkan dan mengotomatisasi tweak kepada algoritma (yang bermaksud kurang menandakan kereta atau ladang jagung secara manual), supaya syarikat boleh lebih cepat menggunakan mesin pembelajaran ke kawasan baru.
Bagi masa depan Orbital Insight khusus, pengasas syarikat pasti tidak bercakap kecil. Dia mengibaratkan apa yang dilakukan oleh syarikat itu untuk mewujudkan "makroskop" yang boleh memberi impak kepada dunia ke tahap yang sama dengan mikroskop yang mengubah biologi.
"Banyak yang kita lihat mengenai Bumi, sama ada hasil jagung atau penebangan hutan, atau inventori minyak, begitu besar sehingga anda tidak dapat melihatnya dengan mata manusia kerana anda perlu memproses sejuta imej sekaligus, "Kata Crawford. "Ia akhirnya akan mengubah cara kita melihat Bumi, mengubah cara kita memikirkannya, dan mengubah cara kita berfikir tentang menguruskannya."
