Ny AI oppdager en aldri sett geoglyfformasjon på Nazca Lines i Peru

CES 2019: Hvordan IBM Watson bruker AI for å avdekke skjult skjevhet General Manager for IBM Watson forretningsapplikasjoner Inhi Cho Suh diskuterer hvordan utilstrekkelig data, IoT-enheter, uriktige verdier og andre faktorer kan påvirke maskingenererte skjevheter i AI.

Kunne roboter bli arkeologiske assistenter, blanding eller trasering over sandt terreng som R2D2 og C3P0 i 1977s opprinnelige Star Wars ?

Kunstig intelligens (AI) og maskinlæringsalgoritmer, sammen med geospatiale data, brukes til å avdekke mystiske og gamle geoglyfer, med tillatelse av et samarbeid mellom IBM kraftsystemer og Yamagata University. (En geoglyph er preget av dannelsen av klastiske bergarter eller på samme måte holdbare landskapselementer, som steiner, steinfragmenter, levende trær, grus eller jord til et stort design eller motiv på bakken.)

Og ved å bruke den nye AI oppdaget forskere en ny formasjon av veldig store geoglyfer i jorda på Nazca-linjene i Sør-Peru - den første som ble funnet ved bruk av AI. Mens rette linjer dominerer Nazca-ørkenlandskapet, har figurative design av dyr og planter utviklet seg.

Mer om kunstig intelligens

  • Google DeepMind-grunnlegger Demis Hassabis: Tre sannheter om AI
  • De 10 mest etterspurte AI-jobbene i verden
  • De 3 mest oversett begrensningene av AI i virksomheten
  • Hvordan bli maskinlæringsingeniør: Et jukseark

Utviklingen, forskningen og nylige funn av Japans Yamagata University og IBM Research IBM Power Systems, som ble lansert i februar 2019.

Forskere sier at de utvider omfanget av funnet og vil distribuere den egenutviklede teknologien til PAIRS-geoskop og IBMs AI-aktiverte skyplattform for raskt å lagvis og analysere store mengder forskjellige geospatielle tidsdata. Dette vil føle og undersøke jordoverflaten, drone-bilder, satellittvisualer og informasjon om geografisk undersøkelse, ifølge forskerne.

De etiske utfordringene til AI: En leders guide (gratis PDF) (TechRepublic)

Før dette enestående AI ble formasjoner vurdert gjennom en "prosess som forskere vanligvis gjorde manuelt ved å studere og analysere forskjellige individuelle bilder, en veldig tidkrevende og ressurskrevende prosess, " sa Hendrik Hamann, sjefforsker for Geoinformatic Solutions, PAIRS, og kjennetegnet forskningsmedarbeider, IBM-forskning.

To kritiske akronymer i prosessen er PAIRS (Physical Analytics Integrated Data Repository & Services) og LiDAR (Light Detection and Ranging).

Å avdekke nye Nazca-linjer har historisk sett vært vanskelig på grunn av mengden "hvit støy" som omgir dem, dvs. vanningslinjer, veier, flomløyper og geografiske avvik og endringer, rapporterte IBMs forskning i en utgivelse. Ved å bruke AI vil PAIRS sile gjennom dette volumet av data for å finne relevante ledetråder, med målet å akselerere hvor raskt Nazca Lines kan avdekkes og forstås.

Som et første skritt for å måle AIs gjennomførbarhet innen arkeologisk funn, trente teamet en AI-modell med Watson Machine Learning Accelerator på IBM Power Systems med kjente bilder av geoglyfer.

"Watson Machine Learning Accelerator (WMLA) er en AI-plattform som hjelper klienter å dra nytte av dype læringsrammer, AI-utviklingsverktøy og maskinlæring bygd på IBM Power Systems-servere, " forklarte Sumit Gupta, VP, AI, maskinlæring og HPC, IBM-systemer.

"Ved å bruke AI på en meget sikker og kraftig server, akselererer WMLA tid til innsikt ved å hjelpe Nazca Line-forskere til å identifisere nye glyfer raskere og mer nøyaktig i løpet av måneder i stedet for år, og automatiserer den tradisjonelle arkeologiprosessen, " la Gupta til.

Det tok åtte personer fire år å utvikle, sa Hamann, og la til, "I motsetning til konvensjonelle systemer, bruker PAIRS distribuert lagrings- og filsystem under dekning, som er mye mer" skalerbar "(fungerer med veldig store datasett) fordi i et distribuert arbeidsmengde og AI kan utføres parallelt blant mange flere servernoder. "

"Fra et datasynspunkt, " sa Hamann, "dette er ganske massivt AI gitt størrelsen på datasettene som skal analyseres; 80% av AI-en eksisterer, men den har aldri distribuert til et så mangfoldig og sammensatt datasett. "

Hamann forklarte videre: "Fra det vi vet, er PAIRS den eneste skalerbare dataanalytiske plattformen for både raster / bilder og vektor, som LiDAR, data. Vi tror at den neste grensen til geospatial-tidsmessig intelligens er akkurat det, hvordan integrere og utnytte både massiv LiDAR og informasjon om raster / bilder for å bygge mer pålitelige / pålitelige ML- og AI-modeller. Utviklere kan dra nytte av PAIRS når det presenterer en lekeplass for data og analytiske evner for å utvikle nye applikasjoner.

"Organisasjoner og virksomheter har allerede begynt å bruke PAIRS for å forbedre hvordan flere datakilder kan integreres for å være til fordel for store operasjoner, " sa Hamann.

For eksempel brukes PAIRS av landbruksbedrifter for bedre avlingidentifikasjon og for å utforme strategier for irrigasjonshåndtering. I tillegg har hjelpefirmaer benyttet PAIRS for å overvåke vegetasjonsveksten rundt eiendeler som kraftledninger for å redusere risikoen for forstyrrelser.

Nyhetsbrev om innovasjon

Vær kjent med smarte byer, AI, Internet of Things, VR, AR, robotikk, droner, autonom kjøring og mer av de kuleste teknologiske nyvinningene. Leveres onsdager og fredager

Registrer deg i dag

© Copyright 2020 | mobilegn.com