oKMaDeM
New member
Bir insan için – hatta bir ekip için – zaman ve enerji açısından son derece israfa yol açacak görevleri, düşünülemez bir şekilde hızlandırın. Bu, şablonların en belirgin faydalarından biridir yapay zekaözellikle bilimsel araştırma dünyasına uygulandığında. En son kanıtlar, Leeds Üniversitesi Kutupsal Gözlem ve İzleme Merkezi’nden bir grup araştırmacının çalışmalarından geliyor. Uydu radar görüntülerinden başlayarak büyük bir buzdağının çevresini 0,01 saniyede haritalayabilen sinir ağı. Veya isterseniz 10 milisaniyede.
Bu araç, tam olarak faaliyete geçtiğinde dev buzdağlarının ve genel olarak hassas Antarktika ekosisteminin izlenmesi ve izlenmesi için son derece yararlı olabilecek bir araçtır. Mesela birkaç gün önce şöyle bir haber geldi: A-68Güney Kutbu’nu çevreleyen kıtanın büyük buz sahanlıklarından birinden ayrıldıktan altı yıl sonra erimeye başladı ve kendisini çevreleyen suyun koşullarını açıkça değiştirdi. Britanya Antarktika Araştırması ve Sheffield Üniversitesi bunu keşfetti. Jeofizik Araştırma Mektupları.
Antarktika’da Londra büyüklüğünde bir buzdağı kopuyor: Uydu görüntüleri etkileyici
Çevre sularda sıcaklık 4,5 derece düştü, tuzluluk ise normal değerlere göre üçte iki oranında azaldı. Bunlar, küçük ama çok büyük olmayan bir ölçüde, bize az sayıda buzdağının erimesiyle bağlantılı sonuçlar hakkında fikir veren varyasyonlardır: yüzey suları üzerinde önemli ve uzun süreli etkiler ve sonuçları. Açık deniz florası ve faunası. Genel olarak yeni yapay zeka ve araçlar derin öğrenme donatıldığı bu tür durumları daha iyi ve daha hızlı izlememize yardımcı olabilir ki bu da evrimi için çok önemlidir. iklim değişikliği.
Bilim adamları elbette büyük buzdağlarının konumunu manuel olarak takip edebiliyorlar. Daha karmaşık olan ise buzdağlarının alanındaki ve kalınlığındaki değişiklikleri veya denizlere saldıkları su ve besin miktarını takip etmektir. “Dev buzdağları okyanus fiziğini, kimyasını, biyolojisini ve tabii ki denizcilik operasyonlarını etkiliyor. Bu nedenle, okyanusa saldıkları eriyik suyunun miktarını ölçmek için buzdağlarının yerini tespit etmek ve boyutlarını izlemek kritik önem taşıyor. okyanus” diye Avrupa Uzay Ajansı’na açıkladı Anne Braakmann-Folgmanntarihinde yayınlanan bilimsel makalenin baş yazarı Kriyosfer.
Projenin merkezinde, tam olarak Copernicus Sentinel-1 radar misyonu tarafından sağlanan buzdağlarının görüntüleri yer alıyor; bu görüntüler, şu ana kadar üzerinde çalışılabilecek geleneksel görüntülerden çok daha kullanışlıdır: Kameralara benzer araçlar taşıyan uydulardan gelen görüntülerde, buzdağları, deniz buzu ve bulutlar tamamen beyaz görünüyor, bu da gerçek buzdağlarını tespit etmeyi ve çevresini belirlemeyi oldukça zorlaştırıyor. Sentinel-1 tarafından döndürülen radar görüntülerinin çoğunda, tatlı su buzlarından oluşan bu büyük adalar, okyanus ve deniz buzunun daha koyu arka planına karşı parlak alanlar olarak görünüyor.
Bununla birlikte, bu tür kaynak görüntülerle bile, bağlam karmaşık olduğunda, buzdağının ana gövdesinden veya kıyı şeridinden kopan aynı buz kütlesinin küçük parçaları da dahil olmak üzere, buzdağlarını çevrelerinden ayırt etmek zor olabilir.Antarktika. İşte tam da bu adımda, İngiliz üniversitesi tarafından geliştirilen, Sentinel-1 görüntüleri üzerinde eğitilen ve 2015 yılında Freiburg Üniversitesi tarafından biyomedikal amaçlar için geliştirilen bir evrişimli sinir ağı modeli olan U-Net temelinde programlanan sinir ağı devreye giriyor. Bu zor koşullarda, bağlam değerlendirmeleri ve bir dizi parametre ve ilişki dikkate alınarak model, bu işi gerçek bir bilim insanınınkine kıyasla 10 bin kat hızlandırıyor.
“Eğitim süreci boyunca – ESA’yı açıklıyor – sistem, manüel olarak türetilen şema ile tahmin edilen sonuç arasındaki farka göre parametrelerini ayarlayarak tahminlerini sürekli olarak geliştiriyor.eğitim sistem optimum performansa ulaştığında otomatik olarak durarak yeni örneklerde uyarlanabilirliğini ve başarısını sağlar. Algoritma, boyutları 54 kilometrekare ile 1.052 kilometrekare arasında değişen, aşağı yukarı sırasıyla İsviçre’deki Bern şehrinin ve Hong Kong’un bölgelerine eşdeğer olan yedi buzdağı üzerinde test edildi. Her buzdağı için 2014’ten 2020’ye kadar çeşitli mevsimlerde toplanan 15 ila 46 görüntüden oluşan bir veri seti ve her ay ve her buzdağı için tek bir Sentinel-1 görüntüsü sağlandı. Karşılaştırma, buz kütlelerinin kontrol haritalamasına kıyasla %99’luk bir doğruluk sağladı. Diğer yarı otomatik sistemlerin çok ötesine geçiyor.
Teknoloji
DeepMind’ın yeni yapay zekası geleneksel hava durumu tahminlerinden %90 daha doğru
kaydeden Jaime D’Alessandro
15 Kasım 2023
Braakmann-Folgmann, “Buzdağlarının boyutunu daha yüksek hız ve hassasiyetle otomatik olarak haritalayabilmek, dev buzdağlarının alanındaki değişiklikleri daha kolay gözlemlememize olanak tanıyacak ve operasyonel bir uygulamanın önünü açacak” dedi.
Bu araç, tam olarak faaliyete geçtiğinde dev buzdağlarının ve genel olarak hassas Antarktika ekosisteminin izlenmesi ve izlenmesi için son derece yararlı olabilecek bir araçtır. Mesela birkaç gün önce şöyle bir haber geldi: A-68Güney Kutbu’nu çevreleyen kıtanın büyük buz sahanlıklarından birinden ayrıldıktan altı yıl sonra erimeye başladı ve kendisini çevreleyen suyun koşullarını açıkça değiştirdi. Britanya Antarktika Araştırması ve Sheffield Üniversitesi bunu keşfetti. Jeofizik Araştırma Mektupları.
Antarktika’da Londra büyüklüğünde bir buzdağı kopuyor: Uydu görüntüleri etkileyici
Çevre sularda sıcaklık 4,5 derece düştü, tuzluluk ise normal değerlere göre üçte iki oranında azaldı. Bunlar, küçük ama çok büyük olmayan bir ölçüde, bize az sayıda buzdağının erimesiyle bağlantılı sonuçlar hakkında fikir veren varyasyonlardır: yüzey suları üzerinde önemli ve uzun süreli etkiler ve sonuçları. Açık deniz florası ve faunası. Genel olarak yeni yapay zeka ve araçlar derin öğrenme donatıldığı bu tür durumları daha iyi ve daha hızlı izlememize yardımcı olabilir ki bu da evrimi için çok önemlidir. iklim değişikliği.
Bilim adamları elbette büyük buzdağlarının konumunu manuel olarak takip edebiliyorlar. Daha karmaşık olan ise buzdağlarının alanındaki ve kalınlığındaki değişiklikleri veya denizlere saldıkları su ve besin miktarını takip etmektir. “Dev buzdağları okyanus fiziğini, kimyasını, biyolojisini ve tabii ki denizcilik operasyonlarını etkiliyor. Bu nedenle, okyanusa saldıkları eriyik suyunun miktarını ölçmek için buzdağlarının yerini tespit etmek ve boyutlarını izlemek kritik önem taşıyor. okyanus” diye Avrupa Uzay Ajansı’na açıkladı Anne Braakmann-Folgmanntarihinde yayınlanan bilimsel makalenin baş yazarı Kriyosfer.
Projenin merkezinde, tam olarak Copernicus Sentinel-1 radar misyonu tarafından sağlanan buzdağlarının görüntüleri yer alıyor; bu görüntüler, şu ana kadar üzerinde çalışılabilecek geleneksel görüntülerden çok daha kullanışlıdır: Kameralara benzer araçlar taşıyan uydulardan gelen görüntülerde, buzdağları, deniz buzu ve bulutlar tamamen beyaz görünüyor, bu da gerçek buzdağlarını tespit etmeyi ve çevresini belirlemeyi oldukça zorlaştırıyor. Sentinel-1 tarafından döndürülen radar görüntülerinin çoğunda, tatlı su buzlarından oluşan bu büyük adalar, okyanus ve deniz buzunun daha koyu arka planına karşı parlak alanlar olarak görünüyor.
Bununla birlikte, bu tür kaynak görüntülerle bile, bağlam karmaşık olduğunda, buzdağının ana gövdesinden veya kıyı şeridinden kopan aynı buz kütlesinin küçük parçaları da dahil olmak üzere, buzdağlarını çevrelerinden ayırt etmek zor olabilir.Antarktika. İşte tam da bu adımda, İngiliz üniversitesi tarafından geliştirilen, Sentinel-1 görüntüleri üzerinde eğitilen ve 2015 yılında Freiburg Üniversitesi tarafından biyomedikal amaçlar için geliştirilen bir evrişimli sinir ağı modeli olan U-Net temelinde programlanan sinir ağı devreye giriyor. Bu zor koşullarda, bağlam değerlendirmeleri ve bir dizi parametre ve ilişki dikkate alınarak model, bu işi gerçek bir bilim insanınınkine kıyasla 10 bin kat hızlandırıyor.
“Eğitim süreci boyunca – ESA’yı açıklıyor – sistem, manüel olarak türetilen şema ile tahmin edilen sonuç arasındaki farka göre parametrelerini ayarlayarak tahminlerini sürekli olarak geliştiriyor.eğitim sistem optimum performansa ulaştığında otomatik olarak durarak yeni örneklerde uyarlanabilirliğini ve başarısını sağlar. Algoritma, boyutları 54 kilometrekare ile 1.052 kilometrekare arasında değişen, aşağı yukarı sırasıyla İsviçre’deki Bern şehrinin ve Hong Kong’un bölgelerine eşdeğer olan yedi buzdağı üzerinde test edildi. Her buzdağı için 2014’ten 2020’ye kadar çeşitli mevsimlerde toplanan 15 ila 46 görüntüden oluşan bir veri seti ve her ay ve her buzdağı için tek bir Sentinel-1 görüntüsü sağlandı. Karşılaştırma, buz kütlelerinin kontrol haritalamasına kıyasla %99’luk bir doğruluk sağladı. Diğer yarı otomatik sistemlerin çok ötesine geçiyor.
Teknoloji
DeepMind’ın yeni yapay zekası geleneksel hava durumu tahminlerinden %90 daha doğru
kaydeden Jaime D’Alessandro
15 Kasım 2023
Braakmann-Folgmann, “Buzdağlarının boyutunu daha yüksek hız ve hassasiyetle otomatik olarak haritalayabilmek, dev buzdağlarının alanındaki değişiklikleri daha kolay gözlemlememize olanak tanıyacak ve operasyonel bir uygulamanın önünü açacak” dedi.