Ημέρα της Γης: Η SAS αξιοποιεί την crowd driven τεχνητή νοημοσύνη

Η SAS δεσμεύεται να χτίσει μια παγκόσμια κοινότητα πρωτοπόρων που χρησιμοποιούν την τεχνολογία για να πυροδοτήσουν την θετική αλλαγή για τους ανθρώπους και τον πλανήτη.

Τη φετινή Ημέρα της Γης, η SAS και το Διεθνές Ινστιτούτο Εφαρμοσμένης Ανάλυσης Συστημάτων (IIASA) εφαρμόζουν επόμενης γενιάς crowd-driven τεχνητή νοημοσύνη για να ενισχύσουν τους αλγόριθμους τεχνητής νοημοσύνης που έχουν σχεδιαστεί για να μας βοηθήσουν να κατανοήσουμε καλύτερα τον πλανήτη μας.    

Το IIASA είναι ένα ανεξάρτητο, διεθνές ερευνητικό ινστιτούτο γνωστό για την εξειδίκευσή του στην ανάλυση συστημάτων και την παροχή λύσεων πολιτικής, καθώς και βασική πληροφόρηση σχετικά με φλέγοντα ζητήματα για την ανθρωπότητα. Το Ινστιτούτο φέρνει στο προσκήνιο το ζήτημα της αποψίλωσης των δασών και την εφαρμογή της τεχνητής νοημοσύνης για να αποσαφηνίσει τη διασυνδεσιμότητα των οικοσυστημάτων της Γης. Σήμερα, τα συστήματά μας αλλάζουν ραγδαία, προσεγγίζοντας επίπεδα που ξεπερνούν τις υπάρχουσες ανθρώπινες εμπειρίες, την επιστημονική κατανόηση και τις παραδοσιακές δυνατότητες μοντελοποίησης, καθιστώντας πιο δύσκολη την αποτελεσματική, αποδοτική και γρήγορη ανθρώπινη παρέμβαση. 

«Η επείγουσα φύση που μας καλεί να αντιμετωπίσουμε αυτές τις αλλαγές απαιτεί την εφαρμογή των καλύτερων τεχνολογικών λύσεων. Για αυτό τον λόγο στραφήκαμε στην SAS», δήλωσε ο Albert van Jaarsveld, CEO στο IIASA.

Τα ισχυρά, ακριβή και χρήσιμα μοντέλα τεχνητής νοημοσύνης δεν προκύπτουν απλά μαγικά. Η ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης ξεκινά με την ανθρώπινη ευφυία. Για αυτό το έργο, οι SAS και IIASA λανσάρουν από κοινού μια online crowdsource-driven εφαρμογή για να συγκεντρώσουν την συλλογική ευφυία της μάζας. Αναζητούν εθελοντές, έναν μικρό στρατό επιστημόνων, από μαθητές σχολείων μέχρι καλλιτέχνες, μηχανικούς και επαγγλεματίες επιστήμονες δεδομένων, για να ξεκινήσουν αυτή την προσπάθεια με τον έλεγχο και την αξιολόγηση φωτογραφιών από δάση. Αυτές οι εικόνες δείχνουν ανεπηρέαστα δάση και δάση που έπηρεαστεί από την ανθρώπινη ανάπτυξη. 

«Δεδομένου ότι η ανάλυση εικόνων είναι ένα σημαντικό πρώτο βήμα για την ακριβή αξιολόγηση και πρόβλεψη της αποψίλωσης, ζητάμε από τους ανθρώπους να δουν αυτό που δεν μπορεί να «πιάσει» η τεχνολογία, ελέγχοντας και αναφέροντας εικόνες που μπορεί να αποτυπώνουν μικρότερες επιδρομές αποψίλωσης σε όλο τον κόσμο,» σχολίασε ο Van Jaarsveld.

Όταν οι άνθρωποι εφιστούν την προσοχή σε περιοχές όπου παρατηρούνται σημάδια ανθρώπινης παρέμβασης, μας βοηθούν να κάνουμε τα μοντέλα τεχνητής νοημοσύνης εξυπνότερα. Για παράδειγμα, είναι εύκολο για έναν άνθρωπο να ξεχωρίσει έναν δρόμο από ένα ποτάμι, αλλά ένα μοντέλο τεχνητής νοημοσύνης δεν θα ξέρει τη διαφορά μέχρις ώτου αποκτήσει επαρκή εκπαίδευση μέσα από την μάθηση της ανθρώπινης παρατήρησης. Επιπλέον, τα αποτελέσματα από το μοντέλο διασφαλίζουν ότι η εφαρμογή crowdsourcing επικεντρώνει τη προσοχή των κρίσεων του ανθρώπου εκεί όπου χρειάζονται περισσότερο. Το μοντέλο αυτό μπορεί να επιτρέπει αυξημένη αποτελεσματικότητα μια εθελοντικής ανθρώπινης δύναμης που αξιοποιεί καλύτερα την προσοχή τους και την πληροφόρηση για μια ευρεία γκάμα έργων που στοχεύουν στην παρακολούθηση και μέτρηση σημαντικών παγκόσμιων ζητημάτων.    

Με τη δύναμη της μάζας και της υπολογιστικής τεχνολογίας, οι SAS και IIASA θα έχουν μια στιβαρή, διευρυμένη πλατφόρμα που θα ενδυναμώσει τους πολίτες-επιστήμονες να βοηθήσουν σε έρευνες αιχμής που θα συμβάλλουν στην καλύτερη κατανόηση, πρόβλεψη και ανάπτυξη του κόσμου που μοιραζόμαστε. Και ενώ η πρώτη φάση αυτής της συνεργασίας επικεντρώνεται στην αποψίλωση των δασών, υπάρχουν σχέδια για την επέκταση της πλατφόρμας και σε άλλα περιβαλλοντικά ζητήματα που μπορεί να βοηθηθούν από το crowdsourcing. 

Για αρχή, όλοι μπορούν να βοηθήσουν στο να κάνουν την τεχνητή νοημοσύνη εξυπνότερη και να βελτιώσουν την δυνατότητα της να προστατεύσει τα δάση. Όλοι, από τους μαθητές, τους φοιτητές και τους επαγγελαμτίες της τεχνητής νοημοσύνης, μπορούν να κάνουν  τη διαφορά μόνο με το να παρατηρούν φωτογραφίες. Επισκεφτείτε το sas.com/rainforest για να κατηγοριοποιήσετε φωτογραφίες που απεικονίζουν σημάδια αποψίλωσης και να βοηθήσετε τα μοντέλα να μάθουν και να βελτιωθούν σε κάθε επανάληψη. 

Αυτή η συνεργασία με το IIASA πραγματοποιείται χάρη στη δέσμευση της SAS στο data literacy, αλλά και στο κίνημα Data for Good, που ενθαρρύνει την χρήση των δεδομένων με τέτοιο τρόπο ώστε να φέρει θετική αλλαγή σε παγκόσμιο επίπεδο.