211service.com
Amazon och CIA vill lära AI att titta från rymden
Varför kan inte datorer titta på jorden från ovan och automatiskt kartlägga våra vägar, byggnader och papperskorgar? Satellitoperatören DigitalGlobe samarbetar med Amazon, CIA:s venture arm, och chiptillverkaren Nvidia för att försöka få det att hända.
I ett gemensamt projekt släppte DigitalGlobe idag satellitbilder som visar hela Rio de Janeiro med en upplösning på 50 centimeter. Konturerna av 200 000 byggnader inne i stadens cirka 1 900 kvadratkilometer har markerats manuellt på bilderna. SpaceNet-datauppsättningen, som den kallas, är avsedd att starta ansträngningar för att träna maskininlärningsalgoritmer för att själva tolka högupplösta satellitbilder.
DigitalGlobe säger att SpaceNet-datauppsättningen så småningom bör inkludera högupplösta bilder av en halv miljon kvadratkilometer av jorden, och att det kommer att lägga till kommentarer utöver bara byggnader. DigitalGlobes data är mycket mer detaljerad än allmänt tillgänglig satellitdata som NASAs, som vanligtvis har en upplösning på tiotals meter. Amazon kommer att göra SpaceNet-data tillgänglig via sin molntjänst. Nvidia kommer att tillhandahålla verktyg för att hjälpa maskinlärande forskare att träna och testa algoritmer på data, och CosmiQ fungerar , en avdelning av CIA:s riskarm In-Q-Tel fokuserad på rymden, stödjer också projektet.
Programvaran kommer att tränas för att märka byggnader i satellitbilder med hjälp av en datauppsättning bilder som denna.
Vi behöver utveckla nya algoritmer för denna data, säger Tony Frazier, senior vice president på DigitalGlobe. Företaget driver fyra avbildningssatelliter och tillhandahåller data till amerikanska underrättelsetjänster, humanitära organ och andra organisationer som idag huvudsakligen förlitar sig på människor för att extrahera data från bilder.
Frazier säger att det borde vara möjligt att träna mjukvara för att göra saker som att kartlägga vägar och byggnader i kåkstäder, spåra förändringar av urban infrastruktur som parkbänkar och stoppskyltar och mäta material som används i tak och andra strukturer. Den typen av information kan vara kommersiellt värdefull och hjälpa till att informera hälso- och biståndsprogram, säger han.
Mark Johnson, VD för Descartes Labs , en startup som förutsäger skördar från offentliga satellitbilder, säger att de nya uppgifterna bör vara välkomna till startups och forskare. Potentiella tillämpningar kan inkludera uppskattning av ekonomisk produktion från aktivitet i stadsområden, eller vägledning av stadsstyrelser om hur man kan förbättra tjänster såsom sophämtning, säger han.
SpaceNet bygger på ImageNet, en samling av 1 miljon märkta foton som har underbyggt forskning om bildigenkänning i åratal, inklusive senaste, enorma hopp i dess noggrannhet (se Den revolutionära tekniken som tyst förändrade maskinsynen för alltid). Företag som Google och Facebook använder bildigenkänningsteknik byggd på idéer som först testades mot ImageNet.