تطبيق مبادئ الذكاء الاصطناعي المسؤولة عند إنشاء مجموعات بيانات الاستشعار عن بُعد، مثل Dynamic World

1. قبل البدء

‫Dynamic World هي مجموعة بيانات عالمية لاستخدام الأراضي وتغطيتها (LULC) يتم تعديلها في الوقت الفعلي تقريبًا. توفّر هذه البيانات دقة مكانية تبلغ 10 أمتار لأنّها تستخدم كوكبة Sentinel-2 التابعة لوكالة الفضاء الأوروبية (ESA) وبرنامج Copernicus، الذي يقدّم صورة عالمية محدّثة لسطح الأرض كل يومين إلى 5 أيام. يتم إنتاجها باستخدام نموذج تعلُّم عميق، وهو Vertex AI، وEarth Engine، وهي منصة لتحليل البيانات الجغرافية المكانية. تساعد هذه المنصة العلماء والباحثين والمطوّرين في رصد التغييرات وتحديد المؤشرات وحساب الاختلافات التي تظهر على سطح كوكب الأرض.

‫Earth Engine هي أداة تسعى إلى تعزيز المعرفة العلمية بالعمليات الكوكبية لتحقيق المزيد من الفوائد البيئية والاجتماعية. يُشار إلى أنّ الاستخدام التجاري لهذه المنصة في الإصدار التجريبي مع Google Cloud يهدف بشكل أساسي إلى فهم المشاكل الحرجة المتعلقة بالاستدامة والمناخ ومعالجتها، مثل إزالة الغابات وإدارة المياه والاستخدام المستدام للأراضي.

ملاحظة: إنّ وضوح اللغة بشأن Dynamic World وEarth Engine هو نهج شائع في الذكاء الاصطناعي المسؤول للحماية من الاستخدام المحتمل لأي سبب آخر غير الغرض المقصود من تحقيق الفائدة للمجتمع.

في هذا الدرس العملي، ستطبّق ممارسات مسؤولة في إنشاء مجموعات البيانات المستندة إلى تعلُّم الآلة، مثل Dynamic World.

أهداف الدورة التعليمية

• كيفية تطبيق أفضل ممارسات تصميم الذكاء الاصطناعي المسؤول في تطبيقات الاستشعار عن بُعد
• كيفية تفسير توقّعات Dynamic World بصريًا حسب المكان والوقت
• كيفية التفكير في الآثار الأخلاقية والاجتماعية اللاحقة

المتطلبات

• معرفة كيفية التنقّل في تطبيقات Earth Engine
• ‫Google Chrome، الذي يعمل بشكل أفضل مع "تطبيقات Earth Engine"

2. فتح تطبيق Dynamic World Earth Engine

تحتوي مجموعة بيانات Dynamic World على توقعات لكل بكسل لتسع فئات من استخدام الأراضي وتغطيتها كما هو موضّح في هذا الجدول. يشير استخدام الأراضي إلى كيفية استخدام البشر للأراضي، بينما يشير الغطاء الأرضي إلى المواد المادية على سطح الأرض.

نوع استخدام الأراضي وتغطيتها	الوصف
ماء	المسطّحات المائية الدائمة والموسمية
الأشجار	الغابات الأولية والثانوية والمزارع الواسعة النطاق
العشب	المراعي الطبيعية ومراعي الماشية والمنتزهات
نباتات مغمورة بالمياه	أشجار المانغروف والأنظمة البيئية الأخرى المغمورة بالمياه
حصاد	المحاصيل الصفية ومحاصيل الأرز
شجيرات ونباتات قصيرة	نباتات مفتوحة قليلة الكثافة تتألف من شجيرات
المنطقة المبنية	المباني ذات الكثافة المنخفضة والعالية والطرق والمساحات المفتوحة في المناطق الحضرية
الأرض العارية	الصحاري والصخور المكشوفة
الثلوج والجليد	الغطاء الثلجي الدائم والموسمي

تتضمّن الصور في مجموعة البيانات هذه 10 نطاقات: تسعة نطاقات تتضمّن الاحتمالات المقدّرة لكل فئة من فئات استخدام الأراضي وتغطيتها (LULC)، ونطاق تصنيف يشير إلى الفئة التي لديها أكبر احتمال مقدّر. تتيح هذه الخصائص المميزة للمستخدمين إجراء تحليل متعدد الأبعاد وإنشاء منتجات مخصّصة تناسب احتياجاتهم.

ملاحظة: خضع استخدام التوقعات في Dynamic World لمراجعة أخلاقية تم خلالها تقييم الميزة من حيث الأمان والدقة العلمية والإنصاف وإمكانية إساءة الاستخدام والفوائد الاجتماعية، وفي هذه الحالة، مدى توافقها مع مبادئ الذكاء الاصطناعي في Google. إذا كان ذلك منطبقًا، يمكنك إعداد نقاط تحقّق في مشروع تعلُّم الآلة لتقييم مدى توافق القرارات الفنية التي تتخذها مع بيان مهمة مؤسستك أو قيمها أو ميثاقها الأخلاقي.

لفتح تطبيق Dynamic World Earth Engine، اتّبِع الخطوات التالية:

1. افتح علامة تبويب أخرى في المتصفّح.
2. انتقِل إلى Dynamic World.

تعرض الخريطة فسيفساء Top1 مع تظليل التلال عند مستويات تكبير عالية.

3. انقر على الخريطة لعرض رسم بياني يعرض احتمالات الفئات بمرور الوقت.
4. انقر على نقطة بيانات في الرسم البياني لتحميل توقّع محدّد وصورة Sentinel-2 الخاصة به.
5. في لوحة الطبقات، اضبط الطبقات ومستوى الظهور.

3- استكشاف توقّعات "العالم الديناميكي" في البرازيل

تتضمّن خريطة Dynamic World توقعات بشأن جميع فئات استخدام الأراضي وتغطيتها التسع، وتعرض تصنيفًا واحدًا Top1 لكل بكسل. يتكوّن العالم الحقيقي من مزيج من العديد من فئات استخدام الأراضي وتغطيتها بأي دقة مكانية. في هذا القسم، ستفسّر التوقعات بشكل مرئي على مستوى المساحة والوقت.

لاستكشاف توقّعات "العالم الديناميكي" في البرازيل، اتّبِع الخطوات التالية:

1. في المتصفّح، انتقِل إلى تطبيق Dynamic World EE.
2. في حقل البحث عن أماكن، أدخِل Sete de Setembro, Brazil.

من المفترض أن تظهر لك بيانات "العالم الديناميكي" الخاصة بأراضي شعب بايتر سوروي الأصلية، الذين يعيشون في منطقة سيتي دي سيتيمبرو في روندونيا، البرازيل.

3. في لوحة Dynamic World، أدخِل 2016-01-01 في حقل تاريخ البدء و2022-01-01 في حقل تاريخ الانتهاء، ثم انقر على تعديل.

قد يستغرق تحميل الخريطة بضع دقائق لأنّها تُحسب في الوقت الفعلي.

4. انقر على أي مكان على الخريطة لإنشاء رسم بياني في الوقت الفعلي.

يمكنك التكبير أكثر للحصول على ردّ أسرع.

5. افحص الرسم البياني الذي تظهر فيه احتمالات الفئات على المحور ص والوقت على المحور س.

في هذا المثال، يكون تصنيف الفئة Top1 المتوقّع من 1 كانون الثاني (يناير) 2016 إلى 27 تموز (يوليو) 2017 هو أشجار، ويتراوح الاحتمال بين 0.684 و0.755. وبحلول وقت التقاط مشهد Sentinel-2 التالي في 5 أيلول (سبتمبر) 2017، لم تعُد التوقعات تشير إلى وجود أشجار، وأصبحت الإشارة أكثر تشويشًا.

6. انقر على لتكبير الرسم البياني.

ملاحظة: عندما تريد إنشاء مجموعة بيانات مستندة إلى تعلُّم الآلة بشكل مسؤول، ضع خطة سيناريو لكيفية تعديل مجموعة البيانات للاستخدامات غير المقصودة وحتى الضارة. اطرح أسئلة مثل "هل هناك أفراد أو أسواق أو مناطق أو شرائح مستخدمين أو مجموعات سكانية معيّنة أكثر عرضةً للنتائج السلبية من استخدام مجموعة البيانات هذه مقارنةً بغيرها؟".

4. تهانينا

تعرّفت على كيفية تطبيق مبادئ الذكاء الاصطناعي المسؤول في إنشاء مجموعات البيانات المستندة إلى تعلُّم الآلة، مثل Dynamic World.

مزيد من المعلومات

• أفضل ممارسات تصميم الذكاء الاصطناعي المسؤول
• مقدمة حول Dynamic World (الجزء 1): التصوّر وإنشاء الصور المركّبة