Wetenschap
In "deepLDB, " Google Earth-afbeeldingen worden gebruikt om eerdere door regenval veroorzaakte aardverschuivingen over de hele wereld te identificeren. Credit:Shen Multi-scale Hydrology, Processen en Intelligence Group
In hun AI Impact Challenge 2019, Google vroeg non-profitorganisaties sociale ondernemingen en onderzoeksinstellingen over de hele wereld, "Hoe zou je kunstmatige intelligentie (AI) gebruiken voor sociaal welzijn?"
"We hadden een goed idee dat op zoek was naar zo'n kans, " zei Chaopeng Shen, universitair hoofddocent civiele en milieutechniek aan Penn State en hoofdonderzoeker van "deepLDB, " een van de 20 projecten die vorig jaar door Google werden gefinancierd voor de uitdaging. "Door regenval veroorzaakte aardverschuivingen vormen een enorm risico voor mensen die in bergachtige gebieden wonen, en we dachten dat er een mogelijkheid was om AI te gebruiken om ze beter te voorspellen."
Wereldwijd, aardverschuivingen veroorzaken duizenden doden en gewonden en kosten miljarden dollars per jaar, volgens de United States Geological Survey (USGS). De meest voorkomende hiervan worden veroorzaakt door regenval, veranderen vaak in snel bewegende puinstromen zoals de Montecito, Californië modderstromen in 2018.
Maar Shen zei dat veel van deze gebeurtenissen ook niet worden gemeld, bemoeilijken de inspanningen om ze te bestuderen en uiteindelijk te voorspellen.
"De meeste informatie komt uit nieuwsberichten, en er zijn veel ontbrekende gebeurtenissen, "Zei Shen. "Om aardverschuivingen beter te kunnen voorspellen, we moeten beginnen met een goede aardverschuivingsdatabase."
Shen merkte op dat met de beschikbaarheid van satellietbeelden van Google Earth, eerdere aardverschuivingen kunnen vanuit de ruimte worden geïdentificeerd. Echter, om er maar één te vinden - laat staan de duizenden die nodig zijn om een uitgebreide database te vullen - vereist een heel team om beelden te doorzoeken op bewijs van een gebeurtenis in het verleden.
Tenzij je AI hebt.
"Het eerste doel van ons werk was om een kunstmatige-intelligentiemethode te ontwikkelen om deze gebeurtenissen te identificeren op basis van satellietbeelden, Shen zei. "Als de AI eenmaal is getraind - wanneer hij kan bepalen wat een aardverschuiving is en wat niet - kunnen we hem toepassen op een heel groot gebied, en het zal automatisch de plaats vinden met een vermoedelijke gebeurtenis."
Bij de start van het project, Shen en Penn State co-onderzoekers Tong Qiu, universitair hoofddocent civiele techniek en milieutechniek, en Daniël Kifer, hoogleraar informatica, werden door de USGS voorzien van een eerste dataset van bekende door regen veroorzaakte aardverschuivingen. Na het vinden van de gebeurtenissen in Google Earth, ze gebruikten de satellietbeelden als trainingsvoorbeelden in een proces dat 'gesuperviseerd leren' wordt genoemd.
Volgens universitair hoofddocent Chaopeng Shen, eerdere aardverschuivingen kunnen worden gevonden met slechts één satellietbeeld. Echter, het hebben van zowel een "voor" als "na" afbeelding verhoogt de nauwkeurigheid van de identificatie. Krediet:Shen Multischaal Hydrologie, Processen en Intelligence Group
"Het is eigenlijk objectidentificatie, "Zei Shen. "Door naar het satellietbeeld te kijken, je krijgt het gevoel dat er misschien een gebeurtenis heeft plaatsgevonden omdat de scène drastisch is veranderd. De meeste visuele signalen komen van de vegetatie."
Overuren, de AI begon de signalen te herkennen die het kon gebruiken om een aardverschuiving te identificeren, maar het moest ook de verschillen met andere gebeurtenissen zien, te. De vorm van een storing kan duiden op een aardverschuiving, maar het kan ook van een bosbrand zijn geweest, opgegraven mijn of afgebroken gebouw.
"Het moet in staat zijn om de echte signalen van de ruis te onderscheiden, "Zei Shen. "Wat is een door regen veroorzaakte aardverschuiving, en wat niet?"
Na een jaar opleiding, Shen zei dat het model nu 97% van de tijd correct een aardverschuiving identificeert, maar hij benadrukte dat er nog steeds meer trainingsvoorbeelden nodig zijn. De onderzoekers hebben een website opgezet waar mensen hun eigen Google Earth-afbeeldingen konden uploaden om het model te helpen trainen.
"Als een luchtfoto van een aardverschuiving niet afkomstig is uit een gebied waarop we ons hebben gefocust, ze kunnen ons helpen het te corrigeren, "Zei Shen. "Hoe meer gegevens we hebben, hoe nauwkeuriger het model zal zijn."
Volgens Shen, het niveau van precisie in de database is wat "deepLDB" onderscheidt, en het stelt hen in staat om door te gaan naar het tweede doel van het project:voorspelling.
"De tweede stap is om AI te gebruiken om de gebeurtenissen in de database te associëren met regenval en andere lokale omstandigheden om te proberen te voorspellen wat er daarna gaat gebeuren. Shen zei. "Het nieuwe aspect van het project is dat we een zeer hoge ruimtelijke nauwkeurigheid hebben, wat betekent dat we precies weten waar deze gebeurtenissen zijn. Met dit soort precisie, we kunnen de gebeurtenissen overlappen met andere datasets zoals bodemtextuur en hoogte en enkele van de fundamentele redenen ontdekken waarom het in het ene gebied gebeurt en niet in het andere. Of waarom gisteren en niet de dag ervoor."
Hij voegde eraan toe dat het werk aan het voorspellingsmodel net is begonnen, en ze hebben samengewerkt met Google AI-experts om de beste manier te vinden om de AI te bouwen terwijl deze zoekt naar patronen in de groeiende database.
"De mensen met wie ik heb gewerkt bij Google en hun filantropische organisatie, Google.org, echt een aantal positieve effecten in de wereld willen creëren, ' zei Shen. 'Hopelijk, met deze inspanning kunnen we levens redden."
Wetenschap © https://nl.scienceaq.com