Investition
Veröffentlicht auf 10. Januar 2021 |
von Carolyn Fortuna
10. Januar 2021 durch Carolyn Fortuna
Viele Szenarien kommen in den Sinn, wenn wir darüber nachdenken, wie bestehende Trainingsmodelle für dynamische menschliche Situationen die Anpassungsfähigkeit der Szene nicht berücksichtigen. Betrachten Sie die Plünderer, die diese Woche das US-Kapitol infiltriert haben – wie werden die Ermittler feststellen, was schief gelaufen ist, und zukünftige Protokolle entwickeln, um sicherzustellen, dass ein solches Debakel nie wieder passiert? Natürlich verringern viele Annahmen die Vorhersagegenauigkeit des Verhaltens von Menschenmengen, aber datengesteuerte Methoden verbessern den visuellen Realismus der Menschenmengen-Simulation. Trajektorien von Massenbewegungen und sozialen Attributen in realen Bildern können einen echten Unterschied machen. Was ist, wenn die Wissenschaft den nächsten Schritt unternimmt und die massengesteuerte Bildklassifizierung in die künstliche Intelligenz (KI) einbezieht? Die Forscher könnten Algorithmen schnell und genau trainieren.
Bild abgerufen von NOAA (gemeinfrei)
Schnelle Fortschritte bei der Rechenleistung, die Verfügbarkeit von Big Data und Verbesserungen bei Algorithmen für maschinelles Lernen bedeuten, dass KI die Welt verändert, wie wir sie kennen. Computer Vision, bei dem KI-Technologie zum Verstehen und Beschriften von Bildern erforderlich ist, wird in so unterschiedlichen Aktivitäten wie fahrerlosen Autotests, medizinischer Diagnostik und Überwachung von Vieh- oder Baumkronen eingesetzt. Die internetbasierte cyber-physische Welt hat die Informationsumgebung für die Entwicklung der KI grundlegend verändert und eine neue Forschungswelle ausgelöst. Ein neues und herausragendes Merkmal der KI, die Crowd-Driven Intelligence, hat sowohl in der Industrie als auch in der akademischen Gemeinschaft viel Aufmerksamkeit erregt.
Die KI erfordert viel menschliche Arbeit – die Optimierung der Algorithmen, das Sammeln der Daten, die Entscheidung, was überhaupt modelliert werden soll, und die Nutzung der Ergebnisse des maschinellen Lernens in der realen Welt. So viel Forschung zeigt an, dass die Genauigkeit von maschinellen Lernaufgaben entscheidend von qualitativ hochwertigen Grundwahrheitsdaten abhängt. In vielen Fällen sind daher für die Erstellung guter Grundwahrheitsdaten in der Regel geschulte Fachkräfte erforderlich. Dies kann jedoch Zeit, Mühe und Geld kosten. Insbesondere bietet Crowd-Driven Intelligence ein neuartiges Paradigma zur Problemlösung, indem die Intelligenz von Crowds gesammelt wird, um Herausforderungen zu bewältigen, und wird immer beliebter, um eine große Anzahl von Trainingsdaten von guter Qualität zu generieren. Viele Rechenaufgaben wie die Bilderkennung und -klassifizierung sind für die menschliche Intelligenz sehr trivial, stellen jedoch die aktuellen KI-Algorithmen vor große Herausforderungen.
Diese Woche hat das Internationale Institut für Angewandte Systemanalyse (IIASA) angekündigt die Entwicklung des neuen Picture Pile PlatformZiel ist es, Benutzern die Möglichkeit zu geben, ihre eigenen Crowd-Driven-Bildklassifizierungskampagnen einzurichten und durchzuführen. Diese Kampagnen können KI-Algorithmen schnell und genau trainieren.
Bild bereitgestellt von IIASA
Während es viele Bilddatenbanken gibt, mit denen Algorithmen für maschinelles Lernen für die Ausführung von Computer-Vision-Aufgaben trainiert werden können, fehlen Datensätze, die spezifischere Merkmale von Interesse enthalten, z. B. Ernte- oder Gebäudetypen. Die neue Picture Pile-Plattform wird dies beheben, indem sie auf der vorhandenen Crowd-gesteuerten Picture Pile-Anwendung aufbaut, mit der Benutzer Stapel von Bildern klassifizieren oder beim Sortieren helfen können.
Dies können Satellitenbilder mit sehr hoher Auflösung, Fotos mit Geotags oder andere Bilder (z. B. Bilder aus medizinischen Anwendungen) sein, die sortiert werden müssen. Nachdem ein Stapel sortiert wurde, können die Bildklassifikationen mit öffentlich zugänglich gemacht werden MESSE Metadaten (auffindbar, zugänglich, interoperabel und wiederverwendbar), damit sie von jedem frei verwendet werden können. Die FAIR-Prinzipien betonen die maschinelle Handlungsfähigkeit (dh die Fähigkeit von Computersystemen, Daten ohne oder mit minimalem menschlichem Eingriff zu finden, darauf zuzugreifen, zu interoperieren und wiederzuverwenden), da Menschen aufgrund der Zunahme zunehmend auf Rechenunterstützung angewiesen sind, um mit Daten umzugehen Volumen, Komplexität und Erstellungsgeschwindigkeit von Daten.
Die Picture Pile Platform bietet Qualitätskontrollmechanismen, um die Richtigkeit der gesammelten Daten zu gewährleisten.
Picture Pile wurde ursprünglich im Rahmen der wegweisenden Forschungs- und Entwicklungsaktivitäten im Rahmen des ERC Consolidator Grant entwickelt. “CrowdLand: Nutzung der Möglichkeiten des Crowdsourcing zur Verbesserung der Informationen zur Landbedeckung und LandnutzungUnd hat maßgeblich zum aufstrebenden Bereich der Citizen Science beigetragen. Bisher gab es 34 Picture Pile-Kampagnen mit 10.130 Personen, die über 15 Millionen Bilder klassifiziert haben.
„Wir wurden oft von Institutionen angesprochen, die fragten, ob wir in Picture Pile einen Stapel, dh spezifische Bildklassifizierungen, erstellen könnten“, erklärt Steffen Fritz, Programmdirektor für strategische Initiativen der IIASA, der das Projekt leiten wird. „Die neue Plattform wird die derzeitige Marktlücke für eine Plattform schließen, mit der Benutzer ihre eigenen maßgeschneiderten, qualitätskontrollierten Crowd-Driven-Kampagnen erstellen können, um Bildklassifizierungen auf effiziente, ansprechende und faire Weise zu sammeln und möglicherweise zu erstellen die gesammelten Daten offen und frei verfügbar. Sobald die Plattform gebaut wurde, werden die laufenden Kosten niedrig sein und der Gesamtnutzen für die Gesellschaft wird enorm sein. “
Schließlich werden Premium-Services hinzugefügt, um die Plattform wirtschaftlich selbsttragend zu machen.
Bild abgerufen von NOAA (gemeinfrei)
Mobiles Crowdsourcing ist eine Erweiterung der menschlichen Berechnung von der virtuellen digitalen Welt auf die physische Welt. Die gamifizierte Version des Picture Pile-Annotationstools ist sowohl als Online-Version als auch als mobile App für IOS und Android verfügbar (Name: Picture Pile).
„Wenn es jedem möglich ist, einfach, schnell und frei seine eigenen Picture Pile-Kampagnen durchzuführen und die daraus resultierenden Daten offen und frei für alle verfügbar zu machen, können Wissenschaftler und Anwendungsentwickler aus vielen verschiedenen Bereichen trainieren KI-Modelle, die Aufgaben schneller, zuverlässiger und kostengünstiger lösen können als Menschen. Die Möglichkeiten, diese Innovation auf ein breites Spektrum von Sektoren anzuwenden, versprechen weitreichende Vorteile für die Gesellschaft und die wissenschaftliche Forschung “, sagt IIASA-Forscher Tobias Sturn, Hauptentwickler der Picture Pile Platform.
Das IIASA hat mit zahlreichen Institutionen zusammengearbeitet, darunter der Europäischen Weltraumorganisation, dem Earth Day Network, dem Wilson Center, Fernerkundungsunternehmen und Universitäten, um mit Picture Pile Stapel zu erstellen, mit denen Maschinen trainiert werden können, um verschlechterte Wohnräume anhand von Satelliten- und Bodenfotos sowie Meeresmüll aus der Luft zu erkennen Fotos und Klassifizierungen verschiedener Kulturen, um Fragen der Ernährungssicherheit anzugehen. Derzeit verwenden IIASA und SAS Picture Pile, um Algorithmen zur Erkennung der Entwaldung im Amazonas-Regenwald einzusetzen.
Dieser wettbewerbsintensive ERC Proof of Concept-Zuschuss ist einer von drei Zuschüssen, die in den letzten Jahresrunden an österreichische Institutionen vergeben wurden. IIASA-Forscher haben im letzten Jahr eine Reihe von ERC-Zuschüssen erhalten, um Grenzforschung in den Bereichen gerechte Rentenpolitik, Klimawandel und Bevölkerungsentwicklung sowie Technologien für negative Emissionen zu finanzieren.
Schätzen Sie die Originalität von CleanTechnica? Erwägen Sie, ein CleanTechnica-Mitglied, Unterstützer oder Botschafter zu werden – oder ein Benutzer von Patreon.
Melden Sie sich kostenlos an täglicher Newsletter oder wöchentlicher Newsletter nie eine Geschichte verpassen.
Haben Sie einen Tipp für CleanTechnica, möchten Sie Werbung schalten oder einen Gast für unseren CleanTech Talk-Podcast vorschlagen? Kontaktieren Sie uns hier.
Verkauf von Teslas im Jahr 2012 gegenüber 2021
Über den Autor
Carolyn Fortuna Carolyn Fortuna (sie, sie), Ph.D. ist ein Schriftsteller, Forscher und Pädagoge mit einem lebenslangen Engagement für Umweltgerechtigkeit. Sie hat Auszeichnungen von der Anti-Defamation League, der International Literacy Association und der Leavy Foundation erhalten.
Im Rahmen ihrer Portfolio-Veräußerung erwarb sie 5 Aktien von Tesla.
Bitte folge ihr weiter Twitter und Facebook.