Suured andmed muutuvad nii suureks, et need libisevad Maa keerulisi sidemeid.
Orbital Insight-i nimeline startup, mis kogus hiljuti ligi 9 miljonit dollarit raha, kasutab satelliidipilte ja tipptasemel arvutitehnikaid, et hinnata ülemaailmset nafta ülejääki, ennustada saagi puudujääki enne koristusaega ja jälgida jaemüügitrende, jälgides autode arvu suured kastid parklad. Samuti peaks tarkvara olema võimalik koolitada ebaseadusliku raadamise varaseks avastamiseks ja kliimamuutuste paremaks jälgimiseks.
Ettevõte kasutab masinõppe tehnikaid ja arvutivõrke, mis jäljendavad inimese aju, et märgata tohutul hulgal visuaalsete andmete mustreid. Facebook kasutab sarnaseid tehnikaid üleslaaditud piltide nägude tuvastamiseks ning teie ja teie sõprade automaatseks sildistamiseks. Kuid nägude otsimise asemel kasutab Orbital Insight tänu väikeste odavate satelliitide arvu suurenemisele üha suurenevat satelliidipiltide arvu ja õpetab nende võrke automaatselt tundma selliseid asju nagu sõidukid, ehituse kiirus Hiinas ja ujuva kaanega õlimahutite poolt valatud varjud, mis muutuvad sõltuvalt sellest, kui täis nad on.
Muidugi oleks inimestel võimatu sõeluda läbi regulaarselt uuendatavaid ülemaailmseid satelliidipilte. Kuid massiliselt paralleelsete arvutite ja täiustatud mustrituvastusmeetoditega on Orbital Insight eesmärk edastada sellist tüüpi andmeid, mis pole varem saadaval olnud. Näiteks praegused ülemaailmsed naftaprognoosid on juba avaldatud kuue nädala vanused. Orbitali abil võiks saagikuse analüüsi pakkuda hooaja keskel - oluline teave olemas, olgu see siis ÜRO kõrgetasemeline töötaja, kes üritab toidukriisist edasi pääseda, või kaubamajandusega tegelev riskikapitalifond.
Orbital Insight pole olnud kaua aega - see asutati 2013. aasta lõpus ja väljus “varjatud režiimist” alles eelmise aasta lõpus. Kuid ettevõtte asutajal James Crawfordil on palju kogemusi ühilduvates valdkondades. NASA Amesi uurimiskeskuse endine autonoomia- ja robootikajuht, samuti veetis ta kaks aastat Google Booksis inseneridirektorina, muutes arhiveeritud trükitud lehed otsitavaks tekstiks.
Mitmed ettevõtted, näiteks Spire ja Inmarsat ning isegi Tesla Elon Musk, töötavad riistvara kallal - kavandades ja käivitades uusi satelliitide võrke -, kuid Crawfordi sõnul keskendub Orbital Insight puhtalt tarkvarale.
"Mõnes mõttes näen ma seda, mida me siin selle ettevõtte hoogsal tööl teeme, " ütleb Crawford, "õpib [Google'is] palju seda, kuidas teha suurandmeid, kuidas rakendada [tehisintellekti], kuidas rakendada masinõpet nendele piltide torujuhtmetele ja seda satelliidiruumi rakendada. ”
Crawfordi ettevõte võib olla üks vähestest, kes töötab selliste arenevate tarkvaratehnikate kasutamisel nagu kunstlikud närvivõrgud ja masinõppimine satelliidi parsimiseks kujundlikkus. Kuid tema kasutatav tehnika, tuntud ka kui sügav õppimine, plahvatab tehnoloogilises ruumis praegu. Sellised väljakujunenud ettevõtted nagu Facebook, Google ja Microsoft kasutavad süvaõppe tehnikaid näiteks automaatse piltide märgistamise ning täiustatud kõnetuvastuse ja tõlke jaoks. Samuti omandas IBM hiljuti sügava õppeettevõtte AlchemyAPI, et täiustada nende Watsoni arvutisüsteemi.
Sügava õppimise abil jäljendavad võimsad arvutid ja samaaegselt töötava mustrituvastuse mitu kihti (seega sügava õppimise "sügavus") inimese aju närvivõrke. Eesmärk on saada arvuti “õppima” mustrite äratundmiseks või ülesannete täitmiseks, mis on traditsioonilise tarkvara abil “õpetamiseks” liiga keerukad ja aeganõudvad.
Märgistades autosid käsitsi mõnesaja parkla juures ja sisestades andmed arvutivõrku, saab tarkvara teada, milline auto välja näeb, ja loendada need tuhandetes teistes piltides. (Orbital Insight, satelliidipildid: DigitalGlobe) Sügava õppimise üksikasjad on tehnilised, kuid üsna algtasemel on see üllatavalt lihtne. Jaemüügitrendide mõõtmise osas parkimisplatside aktiivsusega väidab Crawford, et kõigepealt peavad töötajad autosid mõnesaja parkimiskohaga autod punaste punktidega käsitsi märgistama. "Seejärel söödate iga auto närvivõrku ja see üldistab valguse ja pimeduse mustrid, auto pikslite mustri, " ütleb Crawford. "Ja kui [arvuti] vaatab uut pilti, on see põhimõtteliselt üsna keerukas, kuid põhimõtteliselt ikkagi mustri kokkulangevus."
Jaemüügitegevuse hindamisel väidab Crawford, et tema ettevõte saab palju paremini järeldada, kuidas ketil riiklikul tasandil läheb, mõõtes, kui täis parkimisplatsid aja jooksul on ja võrdledes vanade piltidega seda, kui suured olid samad partiid eelmistes kvartalites, kui üksiku poe tervise hindamine.
Ta tunnistab, et paljudel jaemüüjatel on juba võimalusi nende andmete jälgimiseks oma poodide jaoks, kuid nad teaksid hea meelega, kuidas nende konkurentidel läheb mitu kuud enne finantstulemuste avaldamist. Sama oleks ka riskifondide kohta, kelle sõnul on Crawford ettevõtte varasemate klientide hulgas. Lihtne on mõista, kuidas sellised andmed võiksid investoritele sammu tõsta. Satelliidipildid on juba saadaval ja Orbital Insight alles sõelub neid, nii et tõenäoliselt ei põhjusta see siseringitehingutega seotud probleeme.
Kui võrk teeb aeg-ajalt vea, näiteks ajab auto prügimägi segamini, pole see palju probleem, selgitab Crawford, sest vead kipuvad üksteist suures plaanis tühistama. Naftaprognooside puhul, isegi kui need on mitme protsendipunkti võrra madalamad, on see siiski parem, kui oodata konkreetsete andmete saamiseks kuni kuus nädalat.
Ehkki startup näib keskenduvat kõigepealt turuinvestoritele andmete pakkumisele, võiks selle, mida ettevõte teeb, kasutada ka altruistlikumaks kasutamiseks. "Meil on tulevikus huvitav kasutada seda raadamise tuvastamiseks ja selliste teede ehitamiseks nagu teedeehitus, mis võiks olla raadamise eelkäija, " ütleb Crawford. "Lumepaki, vee ja muude kliimamuutuste aspektide vaatamise ümber saab teha ka tõeliselt huvitavaid asju." Samuti ütleb ta, et nad uurivad kolmanda maailma põllumajandust ja ütlevad, et multispektrilised pildid on hea viis öelda kui tervislikud taimed on, et ennustada saagi ebaõnnestumist.
Muidugi tõstatab suurandmete mis tahes aspekt, mis sisaldab ka satelliidipilte, privaatsusprobleeme. Orbital Insight ei tee fotosid, vaid nad pääsevad juurde ja analüüsivad juba saadaolevaid pilte. Ja nagu Crawford osutab, näevad USA praegused kaubanduslikke satelliite käsitlevate eeskirjade sätted ette, et te ei tohi minna alla 20 cm piksli kohta. Sellel resolutsioonil kuvatakse keskmine inimene mõne punktina. Seega oleks raske üksikuid inimesi üldse eristada, rääkimata inimese identiteedist või isegi soost.
Crawford ütleb, et suurem osa süvaõppe tehnikate lühiajalistest edusammudest üldiselt hõlmab algoritmide (st autode või maisipõldude vähem käsitsi sildistamist) lihtsustamist ja automatiseerimist, et ettevõtted saaksid masinaõpet kiiremini uutele aladele rakendada.
Orbital Insight'i tuleviku osas ei räägi ettevõtte asutaja kindlasti väikestest. Ta hindab seda, mida ettevõte teeb, et luua „makroskoop“, mis võib mõjutada maailma samal määral, nagu mikroskoop muutis bioloogiat.
„Suur osa sellest, mida me Maa kohta näeme, olgu see siis maisisaak või raadamine või naftavarud, on nii suured, et te ei näe neid inimese silmaga, kuna peaksite töötlema miljonit pilti korraga, ”Ütleb Crawford. "See muudab lõpuks seda, kuidas me Maad vaatame, seda, kuidas me sellest mõtleme, ja ka seda, kuidas me mõtleme selle haldamisest."
