Программа вобрала в себя лучшее от людей и машин, чтобы отслеживать популяции птиц и находить разрушенные здания.
Специалисты из Университета Массачусетса в Амхерсте разработали инновационную систему ИИ, которая способна быстро и точно оценивать масштабы ущерба от стихийных бедствий и размеры птичьих популяций. Разработка получила название Для просмотра ссылки Войдиили Зарегистрируйся .
Эта программа сочетает в себе скорость и колоссальные вычислительные возможности. DISCount позволяет выявлять целевые объекты даже на огромных массивах изображений. Исследование было опубликовано в материалах Конференции AAAI и удостоено награды за лучшую работу, посвященную применению ИИ для решения социально-значимых задач.
«DISCount возник как решение для двух совершенно разных прикладных областей», — рассказывает Субхрансу Маджи, доцент информатики Университета Массачусетса и один из авторов работы. — «Мы на протяжении многих лет сотрудничали с Красным Крестом, помогая им создавать инструменты для точного подсчета поврежденных зданий во время землетрясений или военных действий. Параллельно мы работали с орнитологами из Колорадского государственного университета и Университета Оклахомы над получением достоверных оценок численности птичьих стай по данным метеорадаров».
Маджи и его коллеги, ведущий автор Густаво Перес, выполнявший это исследование в рамках своей докторской работы, и Дэн Шелдон, также доцент, решили, что для решения обеих проблем можно задействовать технологии компьютерного зрения — раздела ИИ, позволяющего анализировать фотоснимки в поисках конкретных объектов.
Однако команда столкнулась с одинаковыми трудностями в ходе реализации каждого из проектов. «Стандартные модели компьютерного зрения оказались недостаточно точными», — комментирует Перес. «Мы хотели создать автоматизированные инструменты, пригодные для использования не-экспертами в области ИИ, но при этом обладающие высокой степенью надежности».
Решение, как отмечает Шелдон, заключалось в том, чтобы полностью переосмыслить типичные подходы к задачам подсчета.
«Обычно приходится выбирать между трудоемким ручным подсчетом небольшого объема данных или менее точным автоматическим анализом с помощью компьютерного зрения», — говорит Шелдон. «Мы решили: а почему бы не совместить эти два метода?»
DISCount — это система, способная работать с любыми существующими моделями компьютерного зрения на основе ИИ. Она использует ИИ для анализа больших объемов информации — например, всех изображений, сделанных в определенном регионе за десятилетие, — чтобы выделить наиболее информативные и компактные элементы, которые затем изучаются человеком.
Более компактный набор может включать, к примеру, все снимки за критически важные дни, которые, по определению модели, лучше всего отражают масштабы повреждений зданий в данной области. Человек-эксперт может затем тщательно подсчитать строения на небольшой территории, а алгоритм экстраполирует результаты на весь регион. В завершение DISCount проверяет точность полученной экспертной оценки.
«Оглядываясь назад, можно сказать, что у нас была относительно простая идея», — говорит Шелдон. «Но этот небольшой мысленный сдвиг — что нам не обязательно выбирать между человеческим и искусственным интеллектом — позволил создать инструмент, который превосходит каждый из подходов в отдельности по скорости, всеохватности и надежности».
Специалисты из Университета Массачусетса в Амхерсте разработали инновационную систему ИИ, которая способна быстро и точно оценивать масштабы ущерба от стихийных бедствий и размеры птичьих популяций. Разработка получила название Для просмотра ссылки Войди
Эта программа сочетает в себе скорость и колоссальные вычислительные возможности. DISCount позволяет выявлять целевые объекты даже на огромных массивах изображений. Исследование было опубликовано в материалах Конференции AAAI и удостоено награды за лучшую работу, посвященную применению ИИ для решения социально-значимых задач.
«DISCount возник как решение для двух совершенно разных прикладных областей», — рассказывает Субхрансу Маджи, доцент информатики Университета Массачусетса и один из авторов работы. — «Мы на протяжении многих лет сотрудничали с Красным Крестом, помогая им создавать инструменты для точного подсчета поврежденных зданий во время землетрясений или военных действий. Параллельно мы работали с орнитологами из Колорадского государственного университета и Университета Оклахомы над получением достоверных оценок численности птичьих стай по данным метеорадаров».
Маджи и его коллеги, ведущий автор Густаво Перес, выполнявший это исследование в рамках своей докторской работы, и Дэн Шелдон, также доцент, решили, что для решения обеих проблем можно задействовать технологии компьютерного зрения — раздела ИИ, позволяющего анализировать фотоснимки в поисках конкретных объектов.
Однако команда столкнулась с одинаковыми трудностями в ходе реализации каждого из проектов. «Стандартные модели компьютерного зрения оказались недостаточно точными», — комментирует Перес. «Мы хотели создать автоматизированные инструменты, пригодные для использования не-экспертами в области ИИ, но при этом обладающие высокой степенью надежности».
Решение, как отмечает Шелдон, заключалось в том, чтобы полностью переосмыслить типичные подходы к задачам подсчета.
«Обычно приходится выбирать между трудоемким ручным подсчетом небольшого объема данных или менее точным автоматическим анализом с помощью компьютерного зрения», — говорит Шелдон. «Мы решили: а почему бы не совместить эти два метода?»
DISCount — это система, способная работать с любыми существующими моделями компьютерного зрения на основе ИИ. Она использует ИИ для анализа больших объемов информации — например, всех изображений, сделанных в определенном регионе за десятилетие, — чтобы выделить наиболее информативные и компактные элементы, которые затем изучаются человеком.
Более компактный набор может включать, к примеру, все снимки за критически важные дни, которые, по определению модели, лучше всего отражают масштабы повреждений зданий в данной области. Человек-эксперт может затем тщательно подсчитать строения на небольшой территории, а алгоритм экстраполирует результаты на весь регион. В завершение DISCount проверяет точность полученной экспертной оценки.
«Оглядываясь назад, можно сказать, что у нас была относительно простая идея», — говорит Шелдон. «Но этот небольшой мысленный сдвиг — что нам не обязательно выбирать между человеческим и искусственным интеллектом — позволил создать инструмент, который превосходит каждый из подходов в отдельности по скорости, всеохватности и надежности».
- Источник новости
- www.securitylab.ru