ビッグデータは非常に大きくなってきており、地球の不思議な絆をすり抜けています。
最近、900万ドル近くの資金を調達したOrbital Insightと呼ばれるスタートアップは、衛星画像と最先端のコンピューティング技術を使用して、世界の石油余剰を推定し、収穫時期前の作物不足を予測し、車の数を追跡することで小売動向を特定しています大きな箱の駐車場。 また、違法な森林伐採を早期に発見し、気候変動をより適切に追跡するようにソフトウェアをトレーニングすることも可能です。
同社は、人間の脳を模倣する機械学習技術とコンピューティングネットワークを使用して、大量の視覚データのパターンを見つけます。 Facebookは同様の手法を使用して、アップロードされた画像内の顔を認識し、あなたとあなたの友人に自動タグを付けます。 しかし、Orbital Insightは、顔を検索する代わりに、小型で低コストの衛星の登場により、衛星画像の増加を利用しており、車両、中国の建設率、浮き蓋のオイルコンテナーによって落とされる影は、満杯の状態によって変化します。
もちろん、定期的に更新されるグローバルな衛星画像を人間が選別することは不可能です。 しかし、超並列コンピューターと高度なパターン認識技術により、Orbital Insightはこれまで利用できなかった種類のデータを提供することを目指しています。 たとえば、現在の世界の石油推定値は、公開されてからすでに6週間です。 Orbitalを使用すると、収穫量の分析をシーズン中に配信できます。重要な情報は、あなたが食料危機を乗り越えようとしている高レベルの国連労働者であるか、ヘッジファンドで働く商品トレーダーかです。
Orbital Insightはそれほど長くはありませんでした。2013年後半に設立され、昨年末には「ステルスモード」から抜け出しました。 しかし、同社の創設者であるジェームス・クロフォードは、互換性のある分野で多くの経験を持っています。 NASAのAmes Research Centerの元自治およびロボット工学部長であった彼は、Google Booksのエンジニアリングディレクターとして2年間過ごし、アーカイブされた印刷ページを検索可能なテキストに変えました。
SpireやInmarsat、さらにはTeslaのElon Muskなどのいくつかの企業は、ハードウェアに取り組んでいます（衛星の新しいネットワークの設計と起動）。しかし、CrowfordはOrbital Insightが純粋にソフトウェアに焦点を当てていると言います。
「何らかの形で、この会社の推進力でここでやっていることを見ることができます」とクロフォードは言います。「ビッグデータの実行方法、[人工知能]の適用方法について[Googleで]多くのことを学んでいます。これらの画像パイプラインに機械学習を適用し、衛星空間にそれを適用する方法。 」
Crawfordの会社は、人工ニューラルネットワークや機械学習などの新しいソフトウェア技術を使用して衛星を解析する数少ない企業の1つである可能性があります。 画像。 しかし、彼が使用している手法（ディープラーニングとも呼ばれます）は、現在、技術の分野で爆発的に増加しています。 Facebook、Google、Microsoftなどの確立された企業は、自動画像タグ付けや音声認識と翻訳の改善などにディープラーニング技術を使用しています。 IBMは最近、Watsonコンピューターシステムを強化するために、AlchemyAPIと呼ばれる深層学習会社も買収しました。
ディープラーニングでは、強力なコンピューターと複数のレイヤーが同時に実行されるパターン認識（ディープラーニングの「深い」）により、人間の脳のニューラルネットワークを模倣します。 その目的は、従来のソフトウェアを使用して「教える」には複雑すぎて時間がかかるようなパターンを認識したり、タスクを実行したりするためにコンピューターを「学習」させることです。
数百の駐車場にある車に手動でマークを付け、データをコンピューターネットワークに入力することにより、ソフトウェアは車がどのように見えるかを学習し、他の何千もの画像でそれらをカウントできます。 （Orbital Insight、衛星画像：DigitalGlobe） ディープラーニングの詳細は技術的ですが、非常に基本的なレベルでは、驚くほど簡単です。 駐車場のアクティビティで小売動向を測定することになると、Crawford氏によると、同社ではまず、従業員が数百の駐車場にある車に赤い点で手動でマークを付けます。 「次に、個々の車をニューラルネットワークに送り込み、明暗のパターン、車のピクセルのパターンを一般化します」とクロフォードは言います。 「[コンピューター]が新しい画像を見るとき、基本的にそれがしていることはかなり洗練されていますが、それでも基本的にはパターンマッチです。」
Crawford氏は、小売業を推定する際、駐車場の満車状態を長期にわたって測定し、それを古い画像を使用して前の四半期の満車状態と比較することで、全国レベルでのチェーンの状況を推測するのに優れていると述べています。個々の店舗の状態を測定するよりも。
彼は、多くの小売業者がすでに自分の店舗のこのデータを追跡する方法を持っていることを認めていますが、財務結果が発表される数ヶ月前に競合他社がどのように行っているかを喜んで知ります。 同じことはヘッジファンドにも当てはまります。Crawford氏によると、同社の初期の顧客の一部です。 この種のデータが投資家に好影響を与える方法は簡単にわかります。 衛星画像はすでに利用可能であり、Orbital Insightはそれを解析しているだけなので、インサイダー取引の懸念を引き起こす可能性はほとんどありません。
ネットワークが偶発的なミスを犯した場合、たとえば、車のゴミ箱を紛らわしいと言っても、それはそれほど大きな問題ではない、とクロフォードは説明します。ミスは大規模に互いに打ち消し合う傾向があるからです。 石油の見積もりのようなものについては、たとえそれらが数パーセント離れていても、より具体的なデータを最大6週間待つよりはましです。
スタートアップはまず市場投資家にデータを提供することに焦点を当てているように見えるが、同社がしていることはより利他的な用途にも利用できるだろう。 「将来、これを使用して森林破壊を検出し、森林破壊の前兆となる可能性のある道路建設などを検出することに興味があります」とクロフォード氏は述べています。 「雪の塊、水、その他の気候変動の側面を見ることでできる興味深いこともあります。」彼はまた、第三世界の農業を検討していると言い、マルチスペクトル画像はそれを伝える良い方法だと言います。作物の故障を予測するための植物の健康状態。
もちろん、衛星画像も組み込んだビッグデータのあらゆる側面は、プライバシーの問題を引き起こします。 しかし、Orbital Insightは写真を撮るのではなく、すでに利用可能な画像にアクセスして分析しています。 また、クロフォードが指摘するように、現在の米国の商業用画像衛星に関する規制では、ピクセルあたり20 cmを下回ることはできないと規定しています。 その解像度では、平均的な人は少数の点として現れます。 そのため、個人のアイデンティティや性別は言うまでもなく、個々の人々をまったく区別するのは難しいでしょう。
Crawford氏によると、一般的なディープラーニング技術の短期的な進歩の多くは、アルゴリズムの調整を単純化および自動化すること（車やトウモロコシ畑に手作業でタグ付けする手間が減ることを意味します）により、企業が機械学習を新しい分野により迅速に適用できるようになるということです。
Orbital Insightの具体的な将来については、同社の創始者は決して小さなことではありません。 彼は、顕微鏡が生物学を変えたのと同程度に世界に影響を与える「マクロスコープ」を作成するために会社がやっていることを例えています。
「トウモロコシの収穫量や森林破壊、石油在庫など、地球について私たちが見ているものの多くは非常に大きいため、一度に100万枚の画像を処理する必要があるため、人間の目では見ることができません。 」とクロフォードは言います。 「それは最終的に地球の見方を変え、地球についての考え方を変え、地球の管理についての考え方を変えます。」
