סיפור הצלחה: מצילים את שונית אלמוגים בעזרת דאטה ו-AI
הארגון הסביבתי האוסטרלי Citizens of the Great Barrier Reef רצה ליצור השפעה חיובית מתמשכת באמצעות מדענים אזרחיים והיכולת לאפשר להם לתרום לשימור שונית המחסום הגדולה.
החיבור עם Dell Technologies הניב פיתוח מודל בינה מלאכותית של DL, תוך שינוי בניתוח ושימור השונית. שיתוף הפעולה הזה מאפשר לארגון לעדכן אודות מאמצי השימור המתמשכים ללא הרף במערכת האקולוגית הגדולה בעולם של שונית האלמוגים.
"מודל פורץ דרך זה יכול לסייע לנו לייעל את הפעילות מול אלפי אנשים ב-Great Reef Census ובשימור שונית המחסום הגדולה". מציין אנדי רידלי, מנכ"ל Citizens of the Great Barrier Reef. המודל החדש משלב טכנולוגית למידה עמוקה ויכולות AI מאפשר למדענים אזרחיים מתנדבים לנתח במהירות ובמדויק יותר תמונות שנאספו מסיורים בשונית המחסום הגדולה במהלך השלב הבא של מפקד האוכלוסין בשונית GRC.
הדרך להצלה עוברת באיסוף נתונים
הפתרון שיושם מספק לארגון תוצאות עסקיות מעולות:
- חסכון בזמן-עם מודל ה-AI ללמידה עמוקה, לוקח פחות מדקה לנתח תמונה בהשוואה ל-7-8 דקות קודם לכן.
- עליה ביכולות ניתוח-הממוצע העולמי לתמונות שנותחו על ידי מדענים אזרחיים עומד כעת על 22 לעומת פחות מתמונה אחת לאדם בעבר.
- יותר ביצועי מיחשוב- 15% מה-GBR שנסקרו עם AI הפועל על מחשוב GPU עתיר ביצועים מבית Dell (עלייה מ-5%).
- יותר נתונים מהשטח-איסוף וניהול כמויות אדירות של נתונים מתיירים, ישירות מהסירות, הממנפות את שרתי Dell Edge.
פלטרפומת הדור הבא של GRC עושה שימוש בלמידה עמוקה DL במטרה לזהות במהירות את תנאי השונית וכתוצאה מכך לבצע יותר עבודות שימור. פתרון הקצה שלנו שהופעל בעבר על כלי שיט מעביר נתונים באופן אוטומטי ישירות למודל ה-DL באמצעות רשת סלולרית לצילום תמונה בזמן אמת. טכנולוגית הלמידה העמוקה מעדכנת טוב יותר על אמצעי שימור שונית המחסום, תוך שיפור יכולות ה-GRC על ידי ניתוח תמונות מהיר יותר מבעבר, המסתמך רק על מתנדבים אנושיים.
"שונית המחסום הגדולה היא המערכת האקולוגית הגדולה בעולם של שונית אלמוגים, גדולה יותר מאיטליה ונראית אפילו מהחלל", אמר אנדי רידלי, מנכ"ל ומייסד Citizens of the Great Barrier Reef. "איומים, כמו הלבנה וצפיפות אוכלוסין של כוכבי ים אוכלי אלמוגים, פוגעים בחלקים נרחבים במערכת האקולוגית העדינה של שונית המחסום הגדולה. הבנת קישוריות השונית היא המפתח למסוגלות להכווין את ניהול ושימור השונית. בעבר, חוקרים הצליחו לנטר רק כ-5-10% מ-3,000 השוניות הבודדות, מה שהקשה על החלטות מושכלות לשימור". מוסיף רידלי.
ככה זה עובד בקרקעית
על מנת לספק מענה לצורך בתיעוד רב יותר של השונית, הארגון גייס את המבקרים לצלם אלפי תמונות בזמן הסיור ממאות אתרי שונית המחסום הגדולה. מתנדבים גלובליים - הידועים כמדענים אזרחיים - מחלקים את התמונות על סמך מבנה ימי ובריאות השונית. נתונים אלה מאפשרים לחוקרים מאוניברסיטת קווינסלנד (UQ) ומאוניברסיטת ג'יימס קוק (JCU) לייעץ לצוות הניהול של הארגון ולגופי התיירות, אשר לאחר מכן נותנים עדיפות מיידית למאמצי שימור השונית.
מודל הלמידה העמוקה החדש שלנו מזרז את התהליך, ומאפשר למדענים אזרחיים לתמוך במאמצי התאוששות מהירים באזורים שהכי הזקוקים לכך ובתקופות קריטיות, כגון עונת ההטלה השנתית.
בונים על הצלחה- המודל מבוסס על הצלחה קודמת
בעבור הפעילות הימית פיתחנו פתרון קצה של מכשירים מוקשחים בשילוב רשת סלולרית להובלה בסירות, המספקת אחסון תמונות בזמן אמת והעלאה אוטומטית עם החזרה לחוף. מדענים אזרחיים מסמנים את התמונות באמצעות שרטוט גבולות סביב קטגוריות שונות.
ניתוח ידני של למעלה מ-13,000 תמונות הצריך זמן רב מהמדענים האזרחיים והציג אי דיוקים. ה-GRC השני הביא ל-42,000 תמונות, עלייה משמעותית מהמפקד הקודם. ניתוח תמונה של נפח שכזה הצריך טכנולוגיה - מודל למידה עמוקה ויכולות ניתוח AI- שיכולים להתאים לגודל הנתונים ולענות על מערכי הנתונים הגדלים הצפויים בעתיד. עם מודל הלמידה העמוקה, המבקרים - בעודם נמצאים בשונית - יכולים לצלם תמונה ולהעלות אותה לפורטל Census, המנוהל באופן מרכזי. מודל הלמידה העמוקה מזהה את הקטעים בצורה מהירה ומדויקת יותר מאשר גבולות שסומנו ידנית. המדענים האזרחיים פשוט מסמנים את מיני האלמוגים באמצעות הגבולות שזוהו מראש.
ניתוח ה-DL לוקח פחות מדקה לכל תמונה, בהשוואה לשבע או שמונה דקות בשלבי המפקד הקודמים. בעוד שלקח 1,516 שעות לסקור 13,000 תמונות ב-GRC הראשון, המודל החדש יכול לנתח את אותו סט נתונים תוך פחות מ-200 שעות, מה שמאפשר למדענים אזרחיים להתמקד במשימה החשובה יותר של תיוג.
מודל הפילוח הסמנטי של DL מופעל באמצעות, מערכת Dell High-Performance Computing HPC יחידת עיבוד גרפית (GPU) לאימון המודל ומערכת Dell PowerScale לאחסון הנתונים.
פלטפורמת המחשוב היבשתית כוללת שרתי PowerEdge התומכים באשכול אימון בינה מלאכותית וריבוי מנועים להסקת AI.
הצוותים שלנו שיתפו פעולה עם מומחים ימיים, במטרה לצמצם 144 קטגוריות של אורגניזמים לחמש קטגוריות שימור קריטיות בלבד, מה שמאפשר למודל הלמידה העמוקה לפלח ביעילות ובדייקנות את האלמוגים בכל תמונה.
פתרון הקצה שלנו ומודל הלמידה העמוקה ניתנים לשחזור והרחבה. מייסד הארגון, אנדי רידלי, מקווה להרחיב את ה-GRC, המופעל על ידי הפתרון שלנו, לאתרי שוניות אחרים ברחבי העולם. אתרי הניסוי הראשונים מחוץ לאוסטרליה יהיו באינדונזיה.
בעבודה עם צוות מדעני הנתונים שלנו בסינגפור, המודל שנבחר שוכלל ללא הרף, ונבדק באופן מקיף, מה שמבטיח עמידה בסטנדרטים ביצועיים. המומחים של Dell Technologies הכשירו את המודל עם SegNet, מודל פילוח סמנטי עם כ-30 מיליון פרמטרים, המספק מודל DL חזק, שיוסיף להשתפר ככל שיוכשר עם יותר נתונים.
זקוקים לסיוע בהתאמת פתרונות מבוססי AI? המומחים שלנו ישמחו לסייע.