In addition de 700 satellites d’imagerie sont en orbite autour de la terre et transmettent chaque jour de vastes océans d’informations – y compris des données reflétant le changement climatique, la santé et la pauvreté – à des bases de données au sol. Il n’y a qu’un seul problème : alors que les données géospatiales pourraient aider les chercheurs et les décideurs à relever des défis critiques, seuls ceux qui disposent d’une richesse et d’une knowledge considérables peuvent y accéder.



Aujourd’hui, une équipe basée à l’Université de Californie à Berkeley a conçu un système d’apprentissage automatique pour exploiter le potentiel de résolution de problèmes de l’imagerie par satellite, en utilisant une technologie peu coûteuse et facile à utiliser qui pourrait apporter un accès et une puissance analytique aux chercheurs. et les gouvernements du monde entier. L’étude, « Une approche généralisable et accessible de l’apprentissage automatique avec l’imagerie satellite mondiale », a été publiée aujourd’hui (mardi 20 juillet) dans la revue Character Communications.

mais l’astuce est de savoir comment traduire les données en informations utilisables sans avoir un peigne humain à travers chaque graphic », a déclaré la co-auteur Esther Rolf, doctorante en dernière année.. étudiant en informatique. « Nous avons conçu notre système pour l’accessibilité, de sorte qu’une personne puisse l’exécuter sur un ordinateur portable, sans development spécialisée, pour résoudre ses problèmes locaux. »



« Nous entrons dans un régime dans lequel nos actions ont un effects véritablement mondial », a déclaré le co-auteur Solomon Hsiang, directeur du World Policy Lab à la Goldman School of Public Plan.  » Les choses évoluent in addition rapidement que jamais. Nous modifions les allocations de ressources as well as rapidement que jamais. Nous transformons la planète. Cela nécessite un système de gestion in addition réactif able de voir ces choses se produire, afin que nous pouvons répondre de manière rapide et efficace. »

Le projet était une collaboration entre le Worldwide Coverage Lab, dirigé par Hsiang, et l’équipe de recherche de Benjamin Recht au département de génie électrique et informatique. Les autres co-auteurs sont Berkeley Ph.D. diplômés Tamma Carleton, maintenant à l’Université de Californie, Santa Barbara Jonathan Proctor, maintenant au Centre de Harvard pour l’Initiative pour l’environnement et la science des données  Ian Bolliger, désormais chez Rhodium Team et Vaishaal Shankar, maintenant chez Amazon et Berkeley Ph.D. étudiante Miyabi Ishihara.

Tous étaient à Berkeley lorsque le projet a commencé. Leur collaboration a été remarquable pour rassembler des disciplines qui regardent souvent le monde de différentes manières et parlent des langages différents : informatique, sciences de l’environnement et du climat, statistiques, économie et politiques publiques.

Mais ils ont été guidés par un intérêt commun à créer un outil d’accès ouvert qui démocratise le pouvoir de la technologie, le rendant utilisable même par les communautés et les pays qui manquent de ressources et de compétences strategies avancées. « C’est comme le modèle T de Ford, mais avec l’apprentissage automatique et les satellites », a déclaré Hsiang. « C’est suffisamment bon marché pour que tout le monde puisse désormais accéder à cette nouvelle technologie. »

  • MOSAIKS : Améliorer la vie, protéger la planète —
  • Le système qui a émergé de la recherche basée à Berkeley s’appelle MOSAIKS, abréviation de Multi-Job Observation working with Satellite Imagery & Kitchen Sinks. Il pourrait finalement avoir le pouvoir d’analyser des centaines de variables tirées de données satellitaires – des circumstances du sol et de l’eau au logement, à la santé et à la pauvreté – à l’échelle mondiale.

    Le document de recherche détaille comment MOSAIKS a pu reproduire avec une précision raisonnable les rapports préparés à grands frais par le U.S. Census Bureau. Il a également un énorme potentiel pour relever les défis du développement dans les pays à faible revenu et pour aider les scientifiques et les décideurs à comprendre le changement environnemental dans son ensemble.

     » Le changement climatique est diffus et difficile à voir à n’importe quel endroit, mais lorsque vous prenez du recul et regardez à grande échelle, vous voyez vraiment ce qui se passe autour de la planète « , a déclaré Hsiang, qui est également codirecteur de la Laboratoire d’Impact Climatique multi-institutionnel.

    Par exemple, a-t-il déclaré, les données satellitaires pourraient donner aux chercheurs de nouvelles informations approfondies sur les vastes zones de parcours telles que les Grandes Plaines aux États-Unis et le Sahel en Afrique, ou dans des zones telles que le Groenland ou l’Antarctique qui peuvent perdre des icebergs à mesure que les températures augmentent.

    « Ces zones sont si vastes, et avoir des gens assis là et regarder des pics et compter les icebergs est vraiment inefficace », a expliqué Hsiang. Mais avec MOSAIKS, a-t-il déclaré, « vous pouvez automatiser cela et savoir si ces glaciers se désintègrent réellement plus rapidement, ou si cela s’est produit depuis le début ».

    Pour un gouvernement du monde en développement, la technologie pourrait aider à orienter même des décisions de regime, telles que l’emplacement de building des routes.

    « Un gouvernement veut construire des routes là où se trouvent le in addition de gens et où se trouve le moreover d’activités économiques », a déclaré Hsiang. « Vous voudrez peut-être savoir quelle communauté est mal desservie ou l’état de l’infrastructure existante dans une communauté. Mais il est souvent très difficile d’obtenir cette facts. »

  • Le défi : organiser des trillions d’octets de données satellitaires brutes —
  • La flotte croissante de satellites d’imagerie renvoie des données vers la Terre 24 heures sur 24, 7 jours sur 7, quelque 80 téraoctets par jour, selon la recherche, un nombre qui augmentera certainement dans les années à venir.

    Mais souvent, les satellites d’imagerie sont construits pour capturer des informations sur des sujets précis – les réserves d’eau douce, par exemple, ou l’état des sols agricoles. Et les données n’arrivent pas sous la forme d’images nettes et ordonnées. Ce sont des données brutes, une masse d’informations binaires. Les chercheurs qui accèdent aux données doivent savoir ce qu’ils recherchent.

    Stocker autant de téraoctets de données nécessite un investissement énorme. Distiller les couches de données intégrées dans les visuals nécessite une puissance de calcul supplémentaire et une experience humaine avancée pour extraire des informations cohérentes et utiles à d’autres chercheurs, décideurs ou agences de financement.

    Inévitablement. ont déclaré Rolf et Hsiang.

    « Si vous êtes un professeur d’élite, vous pouvez demander à quelqu’un de construire votre satellite pour vous », a déclaré Hsiang. « Mais il n’y a aucun moyen qu’une agence de conservation au Kenya puisse accéder à la technologie et aux professionals pour faire ce travail.

    « Nous voulions trouver un moyen de les responsabiliser. Nous avons décidé de créer un couteau suisse, un outil pratique auquel tout le monde peut accéder. »

  • en quelque sorte —
  • Surtout dans les pays à faible revenu, une dimension de la pauvreté est la pauvreté des données. Mais même les communautés aux États-Unis et dans d’autres pays développés n’ont généralement pas un accès facile aux données géospatiales dans un format pratique et utilisable pour relever les défis locaux.

    L’apprentissage automatique ouvre la porte à des options.

    Dans un sens général, l’apprentissage automatique fait référence aux systèmes informatiques qui utilisent des algorithmes et une modélisation statistique pour apprendre par eux-mêmes, sans intervention humaine étape par étape. Ce que la nouvelle recherche décrit est un système capable d’assembler les données fournies par de nombreux satellites et de les organiser de manière available et utile.

    Il existe des précédents pour de tels systèmes  : Google Earth Engine et l’ordinateur planétaire de Microsoft sont tous deux des plates-formes d’accès et d’analyse des données géospatiales mondiales, en mettant l’accent sur la conservation. Mais, a déclaré Rolf, même avec ces technologies, une know-how considérable est souvent nécessaire pour convertir les données en nouvelles informations.

    L’objectif de MOSAIKS n’est pas de développer des systèmes d’apprentissage automatique plus complexes, a déclaré Rolf. Son innovation consiste plutôt à rendre les données satellitaires largement utilisables pour relever les défis mondiaux. L’équipe l’a fait en rendant les algorithmes radicalement additionally simples et plus efficaces.

    MOSAIKS commence par apprendre à reconnaître des motifs minuscules dans les visuals – Hsiang le review à un jeu de Scrabble, dans lequel l’algorithme apprend à reconnaître chaque lettre. Dans ce cas, cependant, les tuiles sont de minuscules morceaux d’image satellite, 3 pixels par 3 pixels.

    Mais MOSAIKS ne conclut pas « ceci est un arbre » ou « ceci est un pavé ». Au lieu de cela, il reconnaît les modèles et les regroupe, a déclaré Proctor. Il apprend à reconnaître des modèles similaires dans différentes parties du monde.

    Lorsque des milliers de téraoctets provenant de centaines de resources sont analysés et organisés, les chercheurs peuvent choisir un village, un pays ou une région et en tirer des données organisées qui peuvent toucher à des thèmes aussi variés que l’humidité du sol, les disorders sanitaires, la migration humaine et les valeurs des maisons.

    Dans un sens, a déclaré Hsiang, MOSAIKS pourrait faire pour les bases de données satellitaires ce que Google a fait au début pour Net : cartographier les données, les rendre accessibles et conviviales à faible coût, et peut-être les rendre consultables. Mais Rolf, un spécialiste de l’apprentissage automatique basé au département de génie électrique et informatique de Berkeley, a déclaré que la comparaison avec Google ne va pas loin.

    MOSAIKS  » consiste à traduire une quantité de données encombrante en informations utilisables « , a-t-elle expliqué. « Peut-être qu’une meilleure analogie serait que le système prend des informations très denses – disons, un très gros article – et produit un résumé. »

  • Création d’un atlas vivant des données mondiales —
  • Hsiang et Rolf voient tous deux le potentiel de MOSAIKS à évoluer dans des directions puissantes et élégantes.

    Hsiang envision que les données sont collectées dans des atlas informatiques en constante évolution. Tournez-vous vers n’importe quelle « web page » donnée et un utilisateur pourrait accéder à des données larges et approfondies sur les situations dans un pays ou une région.

    Rolf envisage un système qui peut prendre le flux de données de la flotte de satellites d’imagerie et de capteurs à distance de l’humanité et le transformer en un portrait fluide et en temps réel de la Terre et de ses habitants, en constante évolution. Nous pouvions voir le passé et le présent, et ainsi discerner les défis émergents et les relever.

    « Nous avons envoyé tellement de choses dans l’espace », dit Hsiang. « C’est une réalisation incroyable. Mais nous pouvons en avoir beaucoup additionally pour notre argent pour toutes ces données que nous récupérons déjà. Laissons le monde les utiliser de manière utile. Utilisons-les pour de bon. »