Veliki podatki postajajo tako veliki, da zdrsnejo nadzemne vezi Zemlje.
Zagon z imenom Orbital Insight, ki je pred kratkim zbral skoraj 9 milijonov dolarjev financiranja, uporablja satelitske posnetke in vrhunske računalniške tehnike za oceno svetovnega presežka nafte, napoveduje pomanjkanje pridelka pred časom obiranja in opazuje trende v maloprodaji, tako da spremlja število avtomobilov parkirišča z velikimi škatlami Prav tako bi morali imeti možnost usposabljanja programske opreme za odkrivanje nezakonitega krčenja gozdov in za boljše sledenje podnebnim spremembam.
Podjetje uporablja tehnike strojnega učenja in računalniške mreže, ki posnemajo človeške možgane, da opazijo vzorce v ogromnih količinah vizualnih podatkov. Facebook uporablja podobne tehnike prepoznavanja obrazov v naloženih slikah in samodejno označevanje vas in vaših prijateljev. Toda namesto iskanja obrazov Orbital Insight izkorišča vse večje število satelitskih posnetkov, zahvaljujoč naraščanju majhnih, poceni satelitov in njihove mreže uči, da samodejno prepoznajo stvari, kot so vozila, stopnja gradnje na Kitajskem in sence, ki jih oddajajo posode z oljem s plavajočim pokrovom, ki se spreminjajo glede na polnost.
Seveda bi bilo nemogoče, da bi ljudje presejali redno posodobljene globalne satelitske posnetke. Toda z množično vzporednimi računalniki in naprednimi tehnikami prepoznavanja vzorcev želi Orbital Insight posredovati vrste podatkov, ki prej niso bili na voljo. Trenutne svetovne ocene nafte so na primer že stare šest tednov, ko so objavljene. Z Orbitalom bi lahko analizo pridelkov pridelkov posredovali sredi sezone - pomembne informacije, ki jih imate, naj gre za delavca Združenih narodov na visoki ravni, ki poskuša prehiteti krizo s hrano, ali trgovca z blagom, ki dela za hedge sklad.
Orbital Insight že dolgo ni bilo - ustanovljen je bil konec leta 2013, iz stealth mode pa je izšel šele lani. Toda ustanovitelj podjetja James Crawford ima veliko izkušenj na združljivih področjih. Nekdanji vodja avtonomije in robotike v Nasinem raziskovalnem centru v Amesu, dve leti je bil tudi inženirski direktor pri Googlu Books, arhivirane tiskane strani je spremenil v besedilo, ki ga je mogoče iskati.
Več podjetij, kot so Spire in Inmarsat, in celo Teslin Elon Musk, dela na strojni opremi - snovanju in zagonu novih mrež satelitov - toda Crawford pravi, da se Orbital Insight namesto tega osredotoča zgolj na programsko opremo.
"Na nek način vidim, kaj počnemo tukaj, po zagonu tega podjetja, " pravi Crawford, "se pri Googlu veliko nauči, kako narediti velike podatke, kako uporabiti [umetno inteligenco], kako uporabiti strojno učenje pri teh cevovodih slik in to uporabiti na satelitskem prostoru. ”
Crawfordovo podjetje je morda eno redkih, ki se ukvarja z uporabo nastajajočih programskih tehnik, kot so umetna nevronska omrežja in strojno učenje za razčlenitev satelita posnetki. Toda tehnika, ki jo uporablja, znana tudi kot globoko učenje, trenutno eksplodira v tehnološkem prostoru. Uveljavljena podjetja, kot so Facebook, Google in Microsoft, uporabljajo tehnike globokega učenja za stvari, kot so samodejno označevanje slik in izboljšano prepoznavanje govora in prevajanje. IBM je pred kratkim kupil tudi podjetje za globoko učenje, imenovano AlchemyAPI, za izboljšanje svojega računalniškega sistema Watson.
Z globokim učenjem zmogljivi računalniki in več plasti hkrati prepoznavajo vzorce (torej "globoko" v globokem učenju) posnemajo nevronske mreže človeških možganov. Cilj je, da se računalnik "nauči" prepoznati vzorce ali izvajati naloge, ki bi jih bilo "učiti" z uporabo tradicionalne programske opreme preveč zamudno in dolgotrajno.
Z ročnim označevanjem avtomobilov na nekaj sto parkiriščih in vnašanjem podatkov v računalniško omrežje lahko programska oprema izve, kako izgleda avtomobil, in jih nato prešteje na tisoče drugih slik. (Orbital Insight, satelitske posnetke: DigitalGlobe) Podrobnosti poglobljenega učenja so tehnične, a na zelo osnovni ravni presenetljivo preproste. Kar zadeva merjenje trendov maloprodaje s parkirišči, Crawford pravi, da ima podjetje najprej ročno označene avtomobile na nekaj sto parkiriščih z rdečimi pikami. "Nato vsak posamezen avto vstavite v nevronsko mrežo in posploši vzorce svetlobe in temne, vzorec slikovnih pik v avtomobilu, " pravi Crawford. "In ko [računalnik] pogleda novo podobo, je tisto, kar v bistvu počne, dokaj prefinjeno, vendar v osnovi še vedno vzorec."
Pri ocenjevanju maloprodajne dejavnosti Crawford pravi, da je njegovo podjetje veliko bolje sklepati, kako deluje veriga na nacionalni ravni, tako da meri, kako polna so parkirišča sčasoma, in primerja to, kako polni so bili enaki parceli v prejšnjih četrtletjih z uporabo starejših slik, kot merjenje zdravja posamezne trgovine.
Priznava, da številni trgovci na drobno že imajo načine za sledenje teh podatkov za svoje lastne prodajalne, vendar bi z veseljem vedeli, kako ravnajo njihovi konkurenti mesece pred objavo finančnih rezultatov. Enako bi bilo z hedge skladi, za katere Crawford pravi, da so nekateri najzgodnejši kupci podjetja. Zlahka je videti, kako bi lahko tovrstni podatki vlagateljem postavili nogo. Satelitski posnetki so že na voljo, Orbital Insight pa jih je le razdelal, zato verjetno ne bo sprožilo pomislekov o trgovanju z notranjimi informacijami.
Če omrežje občasno naredi napako, recimo zmede smetišča za avto, to ni veliko težav, razlaga Crawford, ker se napake v veliki meri odpovedujejo. Za stvari, kot so ocene nafte, četudi so odštete za več odstotnih točk, je še vedno bolje, kot če bi do konkretnih podatkov čakali do šest tednov.
Čeprav se zdi, da je zagon usmerjen predvsem v posredovanje podatkov tržnim vlagateljem, lahko to, kar podjetje naredi, uporabi tudi bolj altruistično. "V prihodnosti nas zanima, kako to uporabiti za odkrivanje krčenja gozdov in za odkrivanje stvari, kot je gradnja cest, ki bi lahko bila predhodnik krčenja gozdov, " pravi Crawford. "Obstajajo tudi resnično zanimive stvari, ki jih je mogoče storiti, če pogledamo snežni paket, vodo in druge vidike podnebnih sprememb." Prav tako pravi, da se ukvarjajo s kmetijstvom tretjega sveta in pravi, da so večspektralni posnetki dober način, da povedo kako zdrave so rastline, da napovedujejo neuspeh pridelka.
Seveda vsak vidik velikih podatkov, ki vključuje tudi satelitske posnetke, povzroča vprašanja zasebnosti. Orbital Insight pa ne fotografira, dostopa do njih in analizira slike, ki so že na voljo. In kot poudarja Crawford, trenutni ameriški predpisi za komercialne satelitske posnetke določajo, da ne smete preseči 20 cm na pik. Po tej resoluciji bi se povprečna oseba prikazala kot nekaj pik. Torej bi bilo težko razlikovati posamezne ljudi, kaj šele identiteto ali celo spol.
Crawford pravi, da bo večji del kratkoročnega napredka tehnik poglobljenega učenja na splošno vključeval poenostavitev in avtomatizacijo nastavitev algoritmov (kar pomeni manj ročnega označevanja avtomobilov ali koruznih polj), tako da bodo podjetja lahko hitreje uporabila strojno učenje na novih področjih.
Kar zadeva prihodnost Orbital Insight, ustanovitelj podjetja zagotovo ne govori o majhnih. On primerja tisto, kar podjetje dela, da ustvari "makroskop", ki bi lahko vplival na svet v podobni meri, kot je mikroskop preoblikoval biologijo.
"Veliko tega, kar vidimo o Zemlji, naj bo to pridelek koruze ali krčenje gozdov ali zalog olja, je tako veliko, da jih ne morete videti s človeškim očesom, ker bi morali hkrati obdelati milijon slik., "Pravi Crawford. "To bo na koncu spremenilo način, kako gledamo Zemljo, spremenil način razmišljanja o njej in spremenil način razmišljanja o upravljanju z njo."
