AI ຊ່ວຍໃນການສຶກສາສັດຂອງອາຟຣິກາ

ຈາກກະຕຸກໄຟຟ້າທີ່ເຊື່ອມຕໍ່ກັບອິນເຕີເນັດ, ທ່ານສາມາດໄດ້ຍິນກ່ຽວກັບວິທີການ AI ເອົາຊະນະນັກກິລາທາງອິນເຕີເນັດ, ໃຫ້ໂອກາດໃຫມ່ໃຫ້ກັບເຕັກໂນໂລຢີເກົ່າ, ແລະແຕ້ມແມວໂດຍອີງໃສ່ຮູບແຕ້ມຂອງທ່ານ. ແຕ່ພວກເຂົາເວົ້າຫນ້ອຍລົງເລື້ອຍໆກ່ຽວກັບຄວາມຈິງທີ່ວ່າປັນຍາຂອງເຄື່ອງຈັກຍັງຄຸ້ມຄອງດູແລສິ່ງແວດລ້ອມ. Cloud4Y ຕັດສິນໃຈແກ້ໄຂການລະເວັ້ນນີ້.

ໃຫ້ເວົ້າກ່ຽວກັບໂຄງການທີ່ຫນ້າສົນໃຈຫຼາຍທີ່ສຸດທີ່ກໍາລັງປະຕິບັດຢູ່ໃນອາຟຣິກາ.

DeepMind ຕິດຕາມຝູງສັດ Serengeti

ສໍາລັບ 10 ປີທີ່ຜ່ານມາ, ນັກຊີວະວິທະຍາ, ນັກນິເວດວິທະຍາແລະນັກອະນຸລັກອາສາສະຫມັກໃນໂຄງການຄົ້ນຄ້ວາ Serengeti Lion ໄດ້ເກັບກໍາແລະວິເຄາະຂໍ້ມູນຈາກຫຼາຍຮ້ອຍກ້ອງຖ່າຍຮູບພາກສະຫນາມທີ່ຕັ້ງຢູ່ໃນປ່າສະຫງວນແຫ່ງຊາດ Serengeti (Tanzania). ນີ້ແມ່ນສິ່ງຈໍາເປັນເພື່ອສຶກສາພຶດຕິກໍາຂອງສັດບາງຊະນິດທີ່ມີການຂົ່ມຂູ່. ອາສາສະໝັກໃຊ້ເວລາໜຶ່ງປີໃນການປະມວນຜົນຂໍ້ມູນ, ສຶກສາປະຊາກອນ, ການເຄື່ອນໄຫວ ແລະເຄື່ອງໝາຍອື່ນໆຂອງກິດຈະກຳສັດ. AI DeepMind ໄດ້ເຮັດວຽກນີ້ແລ້ວໃນ 9 ເດືອນ.

DeepMind ແມ່ນບໍລິສັດອັງກິດພັດທະນາເຕັກໂນໂລຢີປັນຍາປະດິດ. ໃນປີ 2014, ມັນຖືກຊື້ໂດຍ Alphabet. ການນໍາໃຊ້ຊຸດຂໍ້ມູນ ພາບຖ່າຍ Serengeti ການຝຶກອົບຮົມຕົວແບບປັນຍາປະດິດ, ທີມງານຄົ້ນຄ້ວາບັນລຸຜົນໄດ້ຮັບທີ່ດີເລີດ: AI DeepMind ສາມາດກວດຫາ, ລະບຸ ແລະນັບສັດໃນອາຟຣິກາໂດຍອັດຕະໂນມັດ, ເຮັດໃຫ້ການເຮັດວຽກຂອງມັນໄວຂຶ້ນ 3 ເດືອນ. ພະນັກງານ DeepMind ອະທິບາຍວ່າເປັນຫຍັງນີ້ຈຶ່ງສໍາຄັນ:

"Serengeti ແມ່ນສະຖານທີ່ສຸດທ້າຍທີ່ຍັງເຫຼືອຢູ່ໃນໂລກທີ່ມີຊຸມຊົນສັດລ້ຽງລູກດ້ວຍນົມຂະຫນາດໃຫຍ່ ... ໃນຂະນະທີ່ການບຸກລຸກຂອງມະນຸດໃນສວນສາທາລະນະໄດ້ກາຍເປັນຄວາມຮຸນແຮງຫຼາຍຂຶ້ນ, ຊະນິດພັນເຫຼົ່ານີ້ຖືກບັງຄັບໃຫ້ປ່ຽນແປງພຶດຕິກໍາຂອງພວກເຂົາເພື່ອຄວາມຢູ່ລອດ. ການເພີ່ມຂຶ້ນຂອງການກະສິກໍາ, ການລ່າສັດແລະການຜິດປົກກະຕິຂອງດິນຟ້າອາກາດແມ່ນເຮັດໃຫ້ການປ່ຽນແປງພຶດຕິກໍາຂອງສັດແລະການປ່ຽນແປງຂອງປະຊາກອນ, ແຕ່ການປ່ຽນແປງເຫຼົ່ານີ້ໄດ້ເກີດຂື້ນໃນຂອບເຂດພື້ນທີ່ແລະທາງໂລກທີ່ຍາກທີ່ຈະຕິດຕາມໂດຍໃຊ້ວິທີການຄົ້ນຄ້ວາພື້ນເມືອງ."

ເປັນຫຍັງປັນຍາປະດິດຈຶ່ງເຮັດວຽກໄດ້ປະສິດທິພາບຫຼາຍກ່ວາປັນຍາຊີວະພາບ? ມີຫຼາຍເຫດຜົນສໍາລັບການນີ້.

• ລວມຮູບພາບເພີ່ມເຕີມ. ນັບຕັ້ງແ​​ຕ່ການຕິດຕັ້ງ, ກ້ອງຖ່າຍຮູບພາກສະຫນາມໄດ້ຈັບຫຼາຍຮ້ອຍລ້ານຮູບພາບ. ບໍ່ແມ່ນພວກມັນທັງໝົດແມ່ນງ່າຍທີ່ຈະຮັບຮູ້, ສະນັ້ນ ອາສາສະໝັກຕ້ອງລະບຸຊະນິດດ້ວຍຕົນເອງໂດຍໃຊ້ເຄື່ອງມືເວັບທີ່ເອີ້ນວ່າ Zooniverse. ໃນປັດຈຸບັນມີ 50 ຊະນິດທີ່ແຕກຕ່າງກັນຢູ່ໃນຖານຂໍ້ມູນ, ແຕ່ໃຊ້ເວລາຫຼາຍເກີນໄປໃນການປຸງແຕ່ງຂໍ້ມູນ. ດັ່ງນັ້ນ, ບໍ່ແມ່ນການຖ່າຍຮູບທັງຫມົດຖືກນໍາໃຊ້ໃນການເຮັດວຽກ.
• ການ​ຮັບ​ຮູ້​ຊະ​ນິດ​ໄວ​. ບໍລິສັດອ້າງວ່າລະບົບທາງສ່ວນຫນ້າຂອງການຝຶກອົບຮົມຂອງຕົນ, ເຊິ່ງໃນໄວໆນີ້ຈະຖືກນໍາໄປໃຊ້ໃນພາກສະຫນາມ, ມີຄວາມສາມາດປະຕິບັດໄດ້ທຽບເທົ່າກັບ (ຫຼືແມ້ກະທັ້ງດີກວ່າ) ຜູ້ບັນຍາຍຂອງມະນຸດໃນການຈື່ຈໍາແລະຮັບຮູ້ສັດຫຼາຍກວ່າຮ້ອຍຊະນິດທີ່ພົບເຫັນຢູ່ໃນພາກພື້ນ.
• ອຸປະກອນລາຄາຖືກ. AI DeepMind ສາມາດດໍາເນີນການໄດ້ຢ່າງມີປະສິດທິພາບໃນຮາດແວເລັກນ້ອຍທີ່ມີການເຂົ້າເຖິງອິນເຕີເນັດທີ່ບໍ່ຫນ້າເຊື່ອຖື, ໂດຍສະເພາະແມ່ນຄວາມຈິງໃນທະວີບອາຟຣິກາ, ບ່ອນທີ່ຄອມພິວເຕີທີ່ມີປະສິດທິພາບແລະການເຂົ້າເຖິງອິນເຕີເນັດໄວສາມາດທໍາລາຍສັດປ່າແລະລາຄາແພງທີ່ຕ້ອງຫ້າມ. ຄວາມປອດໄພທາງຊີວະພາບ ແລະການປະຫຍັດຄ່າໃຊ້ຈ່າຍແມ່ນຜົນປະໂຫຍດທີ່ສໍາຄັນຂອງ AI ສໍາລັບນັກເຄື່ອນໄຫວສິ່ງແວດລ້ອມ.

ລະບົບການຮຽນຮູ້ເຄື່ອງຈັກຂອງ DeepMind ຄາດວ່າຈະບໍ່ພຽງແຕ່ສາມາດຕິດຕາມພຶດຕິກໍາຂອງປະຊາກອນແລະການແຜ່ກະຈາຍໃນລາຍລະອຽດ, ແຕ່ຍັງໃຫ້ຂໍ້ມູນຢ່າງໄວວາເພື່ອໃຫ້ນັກອະນຸລັກຕອບສະຫນອງຕໍ່ການປ່ຽນແປງໃນໄລຍະສັ້ນໃນພຶດຕິກໍາຂອງສັດ Serengeti.

Microsoft ກໍາລັງຕິດຕາມຊ້າງ

ເພື່ອໃຫ້ມີຄວາມຍຸຕິທໍາ, ພວກເຮົາສັງເກດວ່າ DeepMind ບໍ່ແມ່ນບໍລິສັດດຽວທີ່ກັງວົນກ່ຽວກັບການປະຫຍັດປະຊາກອນສັດປ່າທີ່ອ່ອນແອ. ດັ່ງນັ້ນ, Microsoft ໄດ້ສະແດງຢູ່ໃນ Santa Cruz ດ້ວຍການເລີ່ມຕົ້ນຂອງຕົນ ຕົວຊີ້ວັດການອະນຸລັກ, ເຊິ່ງໃຊ້ AI ເພື່ອຕິດຕາມຊ້າງ savannah ອາຟຣິກາ.

ການເລີ່ມຕົ້ນ, ເປັນສ່ວນຫນຶ່ງຂອງໂຄງການຟັງຊ້າງ, ໂດຍການຊ່ວຍເຫຼືອຈາກຫ້ອງທົດລອງຢູ່ມະຫາວິທະຍາໄລ Cornell, ໄດ້ພັດທະນາລະບົບຄວາມສາມາດໃນການເກັບກໍາແລະການວິເຄາະຂໍ້ມູນຈາກເຊັນເຊີສຽງທີ່ກະແຈກກະຈາຍຢູ່ທົ່ວປ່າສະຫງວນແຫ່ງຊາດ Nouabale-Ndoki ແລະເຂດປ່າໄມ້ອ້ອມຂ້າງໃນສາທາລະນະລັດຄອງໂກ. ປັນຍາປະດິດຮັບຮູ້ສຽງຂອງຊ້າງໃນການບັນທຶກ - ສຽງ rumbling ຄວາມຖີ່ຕ່ໍາທີ່ເຂົາເຈົ້າໃຊ້ເພື່ອຕິດຕໍ່ສື່ສານກັບກັນແລະກັນ, ແລະໄດ້ຮັບຂໍ້ມູນກ່ຽວກັບຂະຫນາດຂອງຝູງສັດແລະທິດທາງຂອງການເຄື່ອນໄຫວຂອງມັນ. ອີງຕາມການ Conservation Metrics CEO Matthew McKone, ປັນຍາປະດິດສາມາດລະບຸສັດສ່ວນບຸກຄົນທີ່ບໍ່ສາມາດເຫັນໄດ້ຈາກອາກາດໄດ້ຢ່າງຖືກຕ້ອງ.

ຫນ້າສົນໃຈ, ໂຄງການນີ້ໄດ້ສົ່ງຜົນໃຫ້ການພັດທະນາລະບົບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບ Snapshot Serengeti ທີ່ສາມາດກໍານົດ, ອະທິບາຍແລະນັບ. ສັດປ່າ ດ້ວຍຄວາມຖືກຕ້ອງຂອງ 96,6%.

TrailGuard Resolve ເຕືອນກ່ຽວກັບຜູ້ລັກລອບລ່າ

ກ້ອງອັດສະລິຍະທີ່ໃຊ້ Intel ໃຊ້ AI ເພື່ອປົກປ້ອງສັດປ່າໃນອາຟຣິກາທີ່ໃກ້ຈະສູນພັນຈາກຜູ້ລ່າສັດ. ລັກສະນະພິເສດຂອງລະບົບນີ້ແມ່ນວ່າມັນເຕືອນກ່ຽວກັບການພະຍາຍາມຂ້າສັດຢ່າງຜິດກົດຫມາຍລ່ວງຫນ້າ.

ກ້ອງຖ່າຍຮູບທີ່ຕັ້ງຢູ່ທົ່ວສວນສາທາລະນະໃຊ້ໂປເຊດເຊີ Intel computer vision (Movidius Myriad 2) ທີ່ສາມາດກວດພົບສັດ, ຄົນແລະຍານພາຫະນະໃນເວລາຈິງ, ອະນຸຍາດໃຫ້ເຈົ້າຫນ້າທີ່ສວນສາທາລະຈັບນັກລ່າສັດກ່ອນທີ່ມັນຈະເຮັດຫຍັງຜິດ.

ເທກໂນໂລຍີໃຫມ່ທີ່ Resolve ໄດ້ມາໂດຍສັນຍາວ່າຈະມີປະສິດທິພາບຫຼາຍກ່ວາເຊັນເຊີກວດຈັບແບບດັ້ງເດີມ. ກ້ອງຖ່າຍຮູບຕ້ານການລັກລອບສົ່ງການແຈ້ງເຕືອນທຸກຄັ້ງທີ່ພວກເຂົາກວດພົບການເຄື່ອນໄຫວ, ນໍາໄປສູ່ການເຕືອນໄພທີ່ບໍ່ຖືກຕ້ອງຈໍານວນຫຼາຍແລະຈໍາກັດອາຍຸຫມໍ້ໄຟເຖິງສີ່ອາທິດ. ກ້ອງຖ່າຍຮູບ TrailGuard ພຽງແຕ່ໃຊ້ການເຄື່ອນໄຫວເພື່ອປຸກກ້ອງຖ່າຍຮູບແລະພຽງແຕ່ສົ່ງການແຈ້ງເຕືອນເມື່ອມັນເຫັນຄົນຢູ່ໃນກອບ. ນີ້ຫມາຍຄວາມວ່າຈະມີຜົນບວກທີ່ບໍ່ຖືກຕ້ອງຫນ້ອຍລົງຢ່າງຫຼວງຫຼາຍ.

ນອກຈາກນັ້ນ, ກ້ອງຖ່າຍຮູບ Resolve ໃຊ້ເກືອບບໍ່ມີພະລັງງານໃນໂຫມດສະແຕນບາຍແລະສາມາດຢູ່ໄດ້ເຖິງຫນຶ່ງປີແລະເຄິ່ງຫນຶ່ງໂດຍບໍ່ມີການສາກໄຟໃຫມ່. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ພະນັກງານສວນສາທາລະຈະບໍ່ມີຄວາມສ່ຽງຕໍ່ຄວາມປອດໄພຂອງເຂົາເຈົ້າເລື້ອຍໆຄືກ່ອນ. ກ້ອງຖ່າຍຮູບຕົວມັນເອງແມ່ນປະມານຂະຫນາດຂອງ pencil, ເຮັດໃຫ້ມັນເປັນໄປໄດ້ຫນ້ອຍທີ່ຈະຖືກຄົ້ນພົບໂດຍ poachers.

ມີຫຍັງອີກແດ່ທີ່ທ່ານສາມາດອ່ານໃນ blog ໄດ້? Cloud4Y

→ vGPU - ບໍ່ສາມາດຖືກລະເລີຍ
→ Beer intelligence - AI ມາກັບເບຍ
→ 4 ວິ​ທີ​ທີ່​ຈະ​ຊ່ວຍ​ປະ​ຢັດ​ໃນ​ການ​ສໍາ​ຮອງ​ຂໍ້​ມູນ​ຟັງ​
→ ການແຈກຢາຍ Kubernetes ອັນດັບຕົ້ນ 5
→ ຫຸ່ນຍົນ ແລະສະຕໍເບີຣີ: AI ເພີ່ມຜົນຜະລິດພາກສະໜາມແນວໃດ

ຈອງຂອງພວກເຮົາ ໂທລະເລກ-channel, ເພື່ອບໍ່ໃຫ້ພາດບົດຄວາມຕໍ່ໄປ! ພວກເຮົາຂຽນບໍ່ເກີນສອງຄັ້ງຕໍ່ອາທິດແລະພຽງແຕ່ກ່ຽວກັບທຸລະກິດ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com