I big data stanno diventando così grandi che stanno scivolando i legami scontrosi della Terra.
Una startup chiamata Orbital Insight, che ha recentemente raccolto quasi $ 9 milioni in finanziamenti, sta usando immagini satellitari e tecniche informatiche all'avanguardia per stimare il surplus di petrolio globale, prevedere carenze di raccolto prima dei tempi del raccolto e individuare le tendenze del commercio al dettaglio, tenendo traccia del numero di auto in parcheggi big-box. Dovrebbe anche essere possibile addestrare il software per individuare tempestivamente la deforestazione illegale e monitorare meglio i cambiamenti climatici.
L'azienda utilizza tecniche di apprendimento automatico e reti informatiche che imitano il cervello umano per individuare modelli in enormi quantità di dati visivi. Facebook utilizza tecniche simili per riconoscere i volti nelle immagini caricate e taggare automaticamente te e i tuoi amici. Ma invece di cercare volti, Orbital Insight sta sfruttando la crescente abbondanza di immagini satellitari, grazie all'aumento di piccoli satelliti a basso costo e insegnando alle loro reti a riconoscere automaticamente cose come i veicoli, il tasso di costruzione in Cina e le ombre proiettate dai contenitori di olio a coperchio galleggiante, che cambiano a seconda di quanto sono piene.
Sarebbe impossibile, naturalmente, per gli umani setacciare immagini satellitari globali regolarmente aggiornate. Ma con computer estremamente paralleli e tecniche avanzate di riconoscimento dei modelli, Orbital Insight mira a fornire tipi di dati che non erano disponibili prima. Le attuali stime globali sul petrolio, ad esempio, hanno già sei settimane quando vengono pubblicate. Con Orbital, l'analisi dei rendimenti delle colture potrebbe essere fornita a metà stagione: informazioni importanti da avere, se sei un lavoratore di alto livello delle Nazioni Unite che cerca di anticipare una crisi alimentare o un commerciante di materie prime che lavora per un hedge fund.
Orbital Insight non esiste da molto tempo: è stato fondato alla fine del 2013 ed è uscito dalla "modalità invisibile" alla fine dell'anno scorso. Ma il fondatore dell'azienda, James Crawford, ha molta esperienza in settori compatibili. Ex capo dell'autonomia e della robotica presso il Centro ricerche Ames della NASA, ha anche trascorso due anni come direttore tecnico presso Google Libri, trasformando le pagine stampate archiviate in testo ricercabile.
Diverse aziende, come Spire e Inmarsat, e persino Elon Musk di Tesla, stanno lavorando all'hardware — progettando e lanciando nuove reti di satelliti — ma Crawford afferma che Orbital Insight si sta invece concentrando esclusivamente sul software.
"In un certo senso vedo quello che stiamo facendo qui nella spinta di questa società", afferma Crawford, "sta prendendo molto dell'apprendimento [su Google] su come fare i big data, come applicare [intelligenza artificiale], come applicare l'apprendimento automatico a queste condutture di immagini e applicarlo allo spazio satellitare. ”
La compagnia di Crawford potrebbe essere una delle poche a lavorare sull'utilizzo di tecniche software emergenti come le reti neurali artificiali e l'apprendimento automatico per analizzare il satellite immagini. Ma la tecnica che sta usando, conosciuta anche come deep learning, sta attualmente esplodendo nello spazio tecnologico. Aziende affermate come Facebook, Google e Microsoft utilizzano tecniche di deep learning per cose come la codifica automatica delle immagini e il miglioramento del riconoscimento vocale e della traduzione. IBM ha recentemente acquisito una società di deep learning, chiamata AlchemyAPI, per migliorare il proprio sistema informatico Watson.
Con l'apprendimento profondo, potenti computer e molteplici livelli di riconoscimento di schemi in esecuzione simultanea (da qui il "profondo" nell'apprendimento profondo) imitano le reti neurali del cervello umano. L'obiettivo è far sì che un computer "impari" a riconoscere schemi o eseguire attività che sarebbero troppo complesse e dispendiose in termini di tempo per "insegnare" utilizzando il software tradizionale.
Contrassegnando manualmente le automobili in alcune centinaia di parcheggi e inserendo i dati nella rete di computer, il software può apprendere l'aspetto di un'auto e successivamente contarli in migliaia di altre immagini. (Orbital Insight, immagini satellitari: DigitalGlobe) I dettagli del deep learning sono tecnici, ma a un livello molto semplice, è sorprendentemente semplice. Quando si tratta di misurare le tendenze della vendita al dettaglio con l'attività dei parcheggi, Crawford afferma che per prima cosa i dipendenti contrassegnano manualmente le automobili in alcune centinaia di parcheggi con punti rossi. "Quindi, alimentate ogni singola macchina nella rete neurale e generalizza i modelli di luce e buio, il modello di pixel di una macchina", afferma Crawford. "E quando [il computer] guarda una nuova immagine, quello che sta essenzialmente facendo è abbastanza sofisticato, ma fondamentalmente ancora una combinazione di schemi."
Nel valutare l'attività di vendita al dettaglio, Crawford afferma che la sua azienda è molto più brava a dedurre come sta andando una catena a livello nazionale, misurando la quantità di parcheggi completi nel tempo e confrontandola con quanto erano pieni gli stessi lotti nei quartieri precedenti usando immagini più vecchie, che misurare la salute di un singolo negozio.
Ammette che molti rivenditori hanno già modi di tracciare questi dati per i propri negozi, ma sarebbero felici di sapere come stanno andando i loro concorrenti mesi prima che i risultati finanziari vengano pubblicati. Lo stesso sarebbe vero per gli hedge fund, che secondo Crawford sono alcuni dei primi clienti dell'azienda. È facile capire come questo tipo di dati possa dare agli investitori un vantaggio. Le immagini satellitari sono già disponibili e Orbital Insight le sta semplicemente analizzando, quindi è improbabile che susciti preoccupazioni di insider trading.
Se la rete commette un errore occasionale, per esempio confondere un cassonetto per un'auto, non è un grosso problema, spiega Crawford, perché gli errori tendono a annullarsi a vicenda su larga scala. Per cose come le stime del petrolio, anche se sono fuori di diversi punti percentuali, è ancora meglio che aspettare fino a sei settimane per dati più concreti.
Mentre l'avvio sembra focalizzato sulla fornitura di dati agli investitori del mercato, ciò che l'azienda fa potrebbe essere utilizzato anche per usi più altruistici. "In futuro siamo curiosi di utilizzarlo per rilevare la deforestazione e per rilevare cose come la costruzione di strade che potrebbero essere un precursore della deforestazione", afferma Crawford. "Ci sono anche cose davvero interessanti che si possono fare guardando il manto nevoso, l'acqua e altri aspetti per il cambiamento climatico". Dice anche che stanno esaminando l'agricoltura del terzo mondo e dice che le immagini multispettrali sono un buon modo per dire quanto sono sane le piante, per prevedere i fallimenti delle colture.
Naturalmente, qualsiasi aspetto dei big data che incorpora anche le immagini satellitari solleva problemi di privacy. Ma Orbital Insight non sta scattando foto, sta accedendo e analizzando immagini già disponibili. E come sottolinea Crawford, le attuali normative statunitensi per i satelliti per imaging commerciale prevedono che non si possa andare sotto i 20 cm per pixel. A quella risoluzione, la persona media si presenterebbe come pochi punti. Quindi sarebbe difficile distinguere le singole persone, per non parlare dell'identità di una persona o addirittura del genere.
Crawford afferma che la maggior parte dei progressi a breve termine nelle tecniche di apprendimento profondo in generale comporterà la semplificazione e l'automazione delle modifiche agli algoritmi (che significa meno taggatura manuale di auto o campi di mais), in modo che le aziende possano applicare più rapidamente l'apprendimento automatico in nuove aree.
Per quanto riguarda in particolare il futuro di Orbital Insight, il fondatore dell'azienda sicuramente non parla in piccolo. Paragona ciò che la società sta facendo alla creazione di un “macroscopio” che potrebbe avere un impatto sul mondo in modo analogo a quello che il microscopio ha trasformato la biologia.
"Molto di ciò che stiamo vedendo sulla Terra, che si tratti di resa del mais o deforestazione o inventario petrolifero, è così grande che non puoi vederli con l'occhio umano perché dovresti elaborare un milione di immagini contemporaneamente ", Afferma Crawford. "Alla fine cambierà il modo in cui vediamo la Terra, cambierà il modo in cui la pensiamo e cambierà il modo in cui pensiamo di gestirla".
