Big Data wird so groß, dass die mürrischen Fesseln der Erde verschwinden.
Ein Startup namens Orbital Insight, das kürzlich fast 9 Millionen US-Dollar an Fördermitteln eingenommen hat, verwendet Satellitenbilder und modernste Computertechniken, um den globalen Ölüberschuss abzuschätzen, Ernteausfälle vor der Ernte vorherzusagen und Einzelhandelstrends zu erkennen, indem die Anzahl der Autos im Auge behalten wird Big-Box-Parkplätze. Es sollte auch möglich sein, die Software zu schulen, um illegale Entwaldung frühzeitig zu erkennen und den Klimawandel besser zu verfolgen.
Das Unternehmen verwendet Techniken des maschinellen Lernens und Computernetzwerke, die das menschliche Gehirn nachahmen, um Muster in riesigen Mengen visueller Daten zu erkennen. Facebook verwendet ähnliche Techniken, um Gesichter in hochgeladenen Bildern zu erkennen und Sie und Ihre Freunde automatisch zu markieren. Anstatt jedoch nach Gesichtern zu suchen, nutzt Orbital Insight die wachsende Zahl von Satellitenbildern, da kleine, kostengünstige Satelliten entstehen, und bringt ihren Netzwerken bei, Dinge wie Fahrzeuge, die Baurate in China und China automatisch zu erkennen Die Schatten, die von Ölbehältern mit schwimmendem Deckel geworfen werden, ändern sich je nach Füllstand.
Natürlich ist es für den Menschen unmöglich, regelmäßig aktualisierte globale Satellitenbilder zu sichten. Mit massiv parallelen Computern und fortschrittlichen Mustererkennungstechniken zielt Orbital Insight darauf ab, Datentypen bereitzustellen, die zuvor nicht verfügbar waren. Aktuelle globale Ölschätzungen sind zum Beispiel bereits sechs Wochen alt, als sie veröffentlicht wurden. Mit Orbital könnte die Analyse der Ernteerträge in der Zwischensaison erfolgen - wichtige Informationen, die Sie benötigen, ob Sie ein hochrangiger Mitarbeiter der Vereinten Nationen sind, der versucht, einer Lebensmittelkrise zuvorzukommen, oder ein Rohstoffhändler, der für einen Hedgefonds arbeitet.
Orbital Insight gibt es nicht lange - es wurde Ende 2013 gegründet und kam erst Ende letzten Jahres aus dem „Stealth-Modus“. Der Gründer des Unternehmens, James Crawford, verfügt jedoch über umfangreiche Erfahrungen in kompatiblen Bereichen. Der ehemalige Leiter für Autonomie und Robotik am Ames Research Center der NASA war zwei Jahre lang technischer Direktor bei Google Books und wandelte archivierte gedruckte Seiten in durchsuchbaren Text um.
Einige Unternehmen, wie Spire und Inmarsat, und sogar Teslas Elon Musk, arbeiten an der Hardware, entwerfen und starten neue Satellitennetzwerke, aber Crawford sagt, Orbital Insight konzentriert sich stattdessen nur auf Software.
"In gewisser Weise sehe ich, was wir hier in den Impulsen dieses Unternehmens tun", sagt Crawford, "nimmt viel Zeit in Anspruch, um [bei Google] zu lernen, wie man Big Data macht, wie man [künstliche Intelligenz] anwendet." wie man maschinelles Lernen auf diese Pipelines von Bildern anwendet und dies auf den Satellitenraum anwendet. "
Crawfords Unternehmen ist möglicherweise eines der wenigen Unternehmen, das daran arbeitet, neue Softwaretechniken wie künstliche neuronale Netze und maschinelles Lernen zum Parsen von Satelliten einzusetzen Bilder. Aber die Technik, die er einsetzt, auch Deep Learning genannt, explodiert derzeit im Technologiebereich. Etablierte Unternehmen wie Facebook, Google und Microsoft setzen Deep-Learning-Techniken ein, um beispielsweise Bilder automatisch zu markieren und die Spracherkennung und Übersetzung zu verbessern. IBM hat kürzlich ein Deep-Learning-Unternehmen namens AlchemyAPI erworben, um sein Watson-Computersystem zu verbessern.
Mit Deep Learning ahmen leistungsstarke Computer und mehrere Schichten gleichzeitig ablaufender Mustererkennung (daher das "Deep Learning") die neuronalen Netze des menschlichen Gehirns nach. Ziel ist es, einen Computer zum „Lernen“ zu bewegen, um Muster zu erkennen oder Aufgaben auszuführen, die zu komplex und zeitaufwendig wären, um mit herkömmlicher Software „zu unterrichten“.
Durch manuelles Markieren von Autos auf einigen hundert Parkplätzen und Einspeisen der Daten in das Computernetzwerk kann die Software lernen, wie ein Auto aussieht, und sie anschließend in Tausenden anderen Bildern zählen. (Orbital Insight, Satellitenbilder: DigitalGlobe) Die Details des Tiefenlernens sind technisch, aber im Grunde ist es überraschend einfach. Wenn es darum geht, Einzelhandelstrends mit Parkplatzaktivität zu messen, lassen die Mitarbeiter laut Crawford Autos auf einigen hundert Parkplätzen zunächst manuell mit roten Punkten markieren. "Dann speist man jedes einzelne Auto in das neuronale Netz ein und verallgemeinert die Muster von Hell und Dunkel, die Muster von Pixeln eines Autos", sagt Crawford. "Und wenn [der Computer] ein neues Bild anschaut, ist das, was es im Wesentlichen tut, ziemlich raffiniert, aber im Grunde immer noch ein Mustervergleich."
Bei der Schätzung der Einzelhandelsaktivität ist Crawford der Ansicht, dass sein Unternehmen viel besser in der Lage ist, die Leistung einer Kette auf nationaler Ebene abzuleiten, indem es anhand älterer Bilder misst, wie voll die Parkplätze im Laufe der Zeit sind, und vergleicht, wie voll die gleichen Stellplätze in früheren Quartalen waren. als die Gesundheit eines einzelnen Geschäfts zu messen.
Er gibt zu, dass viele Einzelhändler bereits Möglichkeiten haben, diese Daten für ihre eigenen Geschäfte zu verfolgen, sie wären jedoch froh zu wissen, wie es ihren Konkurrenten Monate vor der Veröffentlichung der Finanzergebnisse geht. Gleiches gilt für Hedgefonds, die laut Crawford zu den frühesten Kunden des Unternehmens zählen. Es ist leicht einzusehen, wie diese Art von Daten Investoren einen Vorteil verschaffen können. Die Satellitenbilder sind bereits verfügbar und Orbital Insight analysiert sie nur, sodass es unwahrscheinlich ist, dass Insider-Bedenken aufkommen.
Wenn das Netzwerk gelegentlich einen Fehler macht, z. B. die Verwechslung eines Müllcontainers mit einem Auto, ist dies kein großes Problem, erklärt Crawford, da sich die Fehler in großem Umfang gegenseitig aufheben. Für Dinge wie Ölschätzungen ist es immer noch besser, bis zu sechs Wochen auf konkretere Daten zu warten, auch wenn sie um einige Prozentpunkte niedriger sind.
Während sich das Startup anscheinend darauf konzentriert, zunächst Daten für Marktinvestoren bereitzustellen, könnte das, was das Unternehmen tut, auch für altruistischere Zwecke genutzt werden. "Wir sind in Zukunft neugierig, diese Technologie zur Entwaldung und zum Aufspüren von Dingen wie dem Straßenbau zu nutzen, die ein Vorläufer der Entwaldung sein könnten", sagt Crawford. "Es gibt auch wirklich interessante Dinge, die man tun kann, wenn man sich mit Schneedecke, Wasser und anderen Aspekten des Klimawandels befasst." wie gesund Pflanzen sind, um Ernteausfälle vorherzusagen.
Natürlich wirft jeder Aspekt von Big Data, der auch Satellitenbilder enthält, Datenschutzprobleme auf. Orbital Insight macht jedoch keine Fotos, sondern greift auf bereits vorhandene Bilder zu und analysiert diese. Und wie Crawford betont, sehen die aktuellen US-Vorschriften für kommerzielle Bildgebungssatelliten vor, dass Sie 20 cm pro Pixel nicht unterschreiten dürfen. Bei dieser Auflösung würde die durchschnittliche Person als ein paar Punkte angezeigt. Es wäre also schwierig, einzelne Personen zu unterscheiden, geschweige denn die Identität oder das Geschlecht einer Person.
Crawford sagt, dass ein Großteil der kurzfristigen Fortschritte bei Deep-Learning-Techniken im Allgemeinen die Vereinfachung und Automatisierung der Änderungen an den Algorithmen (dh weniger manuelles Markieren von Autos oder Maisfeldern) umfassen wird, damit Unternehmen das maschinelle Lernen schneller auf neue Bereiche anwenden können.
Was die Zukunft von Orbital Insight angeht, spricht der Gründer des Unternehmens definitiv nicht klein. Er vergleicht das, was das Unternehmen unternimmt, mit der Schaffung eines „Makroskops“, das die Welt in einem ähnlichen Maße beeinflussen könnte, wie das Mikroskop die Biologie verändert hat.
„Vieles, was wir über die Erde sehen, sei es Maisertrag oder Abholzung oder Ölvorrat, ist so groß, dass man es mit dem menschlichen Auge nicht sehen kann, weil man eine Million Bilder auf einmal verarbeiten müsste ", Sagt Crawford. "Es wird letztendlich die Art und Weise verändern, wie wir die Erde betrachten, wie wir darüber nachdenken und wie wir damit umgehen."
