Inteligența Artificială poate crea hărți pe baza unui text

Majoritatea oamenilor interacționează cu hărțile în mod regulat, de exemplu, atunci când încearcă să ajungă de la punctul A la punctul B, să urmărească vremea sau să planifice o excursie. Acum, Inteligența Artificială poate crea hărți pe baza unui text.

Dincolo de aceste activități zilnice, hărțile sunt din ce în ce mai des combinate cu Inteligența Artificială pentru a crea instrumente puternice pentru modelare urbană, sisteme de navigație, prognoză și răspuns la pericole naturale, monitorizarea schimbărilor climatice, modelarea habitatului virtual și alte tipuri de supraveghere.

„Hărțile sunt un produs fundamental în viața noastră. Ne permit să învățăm tipare și să vedem distribuții pe o zonă geospațială”, a spus Aayush Dhakal, absolvent al McKelvey School of Engineering din cadrul Washington University (SUA).

Inteligența Artificială poate crea hărți după un text dat

Dhakal și Srikumar Sastry, de asemenea absolvent al McKelvey School of Engineering, lucrează cu Nathan Jacobs, profesor de știința calculatoarelor și inginerie, pentru a dezvolta modele care utilizează imagini din satelit pentru a susține aceste inițiative. Proiectul lui Dhakal, Sat2Cap, le permite utilizatorilor să creeze hărți din descrieri textuale. Sastry a dezvoltat GeoSynth, un model pentru sintetizarea imaginilor din satelit pe baza unui text dat sau a unei locații geografice. Astfel, Inteligența Artificială poate crea hărți pe baza unui text.

Dhakal și Sastry și-au prezentat munca la atelierul EarthVision din 17 iunie a.c. în Seattle, în cadrul Computer Vision and Pattern Recognition Conference (CVPR 2024). EarthVision își propune să aducă progrese în analiza bazată pe învățarea automată a datelor de teledetecție, cu atenție deosebită la provocările și aplicațiile urgente, cum ar fi monitorizarea pericolelor naturale, creșterea urbană, defrișările și schimbările climatice, scrie Tech Xplore.

Crearea unei hărți poate fi un proces care consumă mult timp. Un potențial cartograf trebuie să colecteze toate datele relevante pentru regiunea de interes, apoi să le traseze cu atenție pentru a produce o hartă exactă. Dhakal a dezvoltat Sat2Cap ca o soluție la acest proces „minuțios și nescalabil” de realizare a hărților. Lucrarea a câștigat premiul pentru cea mai bună lucrare la atelier și este disponibilă pe serverul de preprinturi arXiv.

„Modelul nostru ne permite să creăm hărți ale oricărui concept exprimat folosind text pe o regiune geografică mare. Am antrenat contrastiv un model care ia ca input o imagine din satelit de deasupra unei locații și învață să prezică o reprezentare textuală semnificativă pentru acea locație”, a spus Dhakal.

Cum a fost antrenat algoritmul?

Partea dificilă, spune Dhakal, este colectarea de date la scară largă. Pe baza multor imagini din satelit (Dhakal a folosit 6 milioane de puncte de date pentru a antrena Sat2Cap), modelul poate produce o hartă care arată locațiile probabile pentru o anumită interogare textuală. De exemplu, dacă modelul are multe imagini ale Statelor Unite, îi dai un prompt textual cum ar fi „parcuri de distracții”, iar modelul va produce o hartă care arată locațiile cele mai probabile care conțin parcuri de distracții în toată SUA.

„Descriem acest proces drept ‘cartografiere zero-shot’, unde poți crea hărți ale conceptelor nemaivăzute, spre deosebire de colectarea laborioasă a datelor. Oamenii ar putea folosi acest instrument pentru a cartografia concepte pentru care datele nu sunt încă colectate sau disponibile. Abilitatea de a interacționa cu modelul nostru folosind ‘limbaj uman natural’ îl face, de asemenea, mult mai prietenos și flexibil”, a spus Dhakal.

Inteligența artificială generativă a primit multă atenție recent, dar cât de capabile sunt modelele generative?

„Generarea de imagini din satelit este mult mai dificilă decât generarea de imagini cu subiect unic, cum ar fi câinii și pisicile”, a spus Sastry. Cu GeoSynth, el și-a propus să vadă cât de bine pot performa modelele generative atunci când sunt antrenate pe date de locație geografică. Și această lucrare este disponibilă pe serverul de preprinturi arXiv.

„Principalul obstacol a fost condiționarea modelului de difuzie pe locația geografică pentru a învăța geografia de nivel înalt a unei regiuni. De exemplu, când i se spune să genereze o imagine din Phoenix, modelul ar trebui să genereze o imagine care arată ca un deșert. Pe de altă parte, pentru Des Moines, modelul ar trebui să genereze imagini mai verzi, asemănătoare unei ferme”, a spus Sastry.

La ce ne folosește faptul că Inteligența Artificială poate crea hărți?

Modelul GeoSynth rezultat prezintă capacitatea de generare zero-shot a imaginilor din satelit. Dat fiind un prompt textual sau o locație geografică, modelul poate produce imagini din satelit variind de la orașe inundate la stațiuni insulare, scene de distrugere post-cutremur la civilizații arctice. Notabil, aceste imagini sunt distincte de tipurile de imagini văzute în setul de date de antrenament.

„Imaginează-ți un scenariu în care descrii o scenă și un aranjament și dintr-o dată prinde viață o imagine din satelit realistă. GeoSynth poate face asta. Modelul ar putea fi folosit pentru planificarea orașelor, augmentarea seturilor de date de teledetecție existente sau ca un instrument generativ, similar cu DALLE-3 sau Midjourney”, a spus Sastry.

Vă recomandăm să citiți și:

Inteligența artificială ar putea să detecteze osteoporoza în stadii incipiente

Inteligența Artificială ajută la detectarea bolii Parkinson cu 7 ani înainte de apariția simptomelor

În curând, Inteligența Artificială ar putea detecta cancerul

Inteligența Artificială a găsit aproape un milion de surse de antibiotice în natură