ליישם עקרונות AI אחראיים כשמפתחים מערכי נתונים של חישה מרחוק, כמו 'עולם דינמי'

1. לפני שמתחילים

‫Dynamic World הוא מערך נתונים גלובלי של שימוש בקרקע וכיסוי הקרקע (LULC) שמתעדכן כמעט בזמן אמת. היא מספקת רזולוציה של 10 מטרים כי היא משתמשת במערך הלוויינים Sentinel-2 של סוכנות החלל האירופית (ESA) ובתוכנית קופרניקוס, שמפיקה תמונה גלובלית מעודכנת של פני כדור הארץ כל יומיים עד 5 ימים. התמונה נוצרה באמצעות מודל למידה עמוקה, Vertex AI ו-Earth Engine, שהיא פלטפורמה לניתוח נתונים גיאו-מרחביים. הוא עוזר למדענים, לחוקרים ולמפתחים לזהות שינויים, למפות מגמות ולכמת הבדלים בפני השטח של כדור הארץ.

‫Earth Engine הוא כלי שמטרתו לקדם את הידע המדעי על תהליכים פלנטריים, כדי להועיל לסביבה ולחברה. השימוש המסחרי בו, בגרסת Preview ב-Google Cloud, מיועד בעיקר להבנה ולטיפול בבעיות קריטיות של קיימות ואקלים, כמו כריתת יערות, ניהול מים ושימוש בר-קיימא בקרקע.

ב-codelab הזה תלמדו איך ליישם שיטות אחראיות ביצירה של מערכי נתונים שמבוססים על למידת מכונה, כמו Dynamic World.

2088c1250570b581.png

36e148bb2dee7e47.png

מה תלמדו

  • איך מיישמים שיטות לפיתוח אחראי של AI באפליקציות לחישה מרחוק.
  • איך מפרשים חזותית את התחזיות של Dynamic World במרחב ובזמן.
  • איך לחשוב על ההשלכות האתיות וההשלכות החברתיות בהמשך.

הדרישות

  • היכרות עם הניווט ב-Earth Engine Apps.
  • ‫Google Chrome, שפועל בצורה הטובה ביותר עם אפליקציות Earth Engine.

2. פתיחה של אפליקציית Dynamic World Earth Engine

מערך הנתונים של Dynamic World מכיל תחזיות לכל פיקסל של תשעה סיווגים של שימוש בקרקע וכיסוי פני השטח (LULC), כפי שמתואר בטבלה הזו. המונח 'שימוש בקרקע' מתאר איך בני אדם משתמשים בקרקע, ואילו המונח 'כיסוי קרקע' מתאר את החומר הפיזי על פני כדור הארץ.

סוג LULC

תיאור

מים

גופי מים קבועים ועונתיים

עצים

יערות ראשוניים ויערות משניים, ומטעים בקנה מידה גדול

דשא

שטחי עשב טבעיים, שטחי מרעה ופארקים

צמחייה מוצפת

מנגרובים ומערכות אקולוגיות מוצפות אחרות

יבול

גידולים בשורות וגידולי אורז

שיחים וצמחייה נמוכה

צמחייה פתוחה דלילה עד צפופה שמורכבת משיחים

שטח בנוי

בניינים בצפיפות נמוכה וגבוהה, כבישים ומרחבים פתוחים עירוניים

קרקע חשופה

מדבריות וסלעים חשופים

שלג וקרח

כיסוי שלג קבוע ועונתי

59f3307e44102fa1.png

התמונות במערך הנתונים הזה כוללות 10 רצועות: תשע רצועות עם הסתברויות משוערות לכל אחד מתשעת הסיווגים של LULC, ורצועת תוויות של סיווג שמציינת את הסיווג עם ההסתברות המשוערת הכי גבוהה. המאפיינים הייחודיים האלה מאפשרים למשתמשים לבצע ניתוח רב-זמני וליצור מוצרים בהתאמה אישית לצרכים שלהם.

כדי לפתוח את אפליקציית Dynamic World Earth Engine:

  1. פותחים כרטיסייה נוספת בדפדפן,
  2. עוברים אל Dynamic World.

במפה מוצגת פסיפס של מצב Top1 עם הצללה של גבעות ברמות זום גבוהות.

64e61170e4b4b27a.gif

  1. לוחצים על המפה כדי לראות תרשים שבו מוצגים הסיכויים לסיווג לאורך זמן.
  2. לוחצים על נקודת נתונים בתרשים כדי לטעון חיזוי ספציפי ואת תמונת Sentinel-2 שלו.
  3. בחלונית Layers (שכבות), משנים את השכבות ואת הגדרת החשיפה.

3. חיזויים של Dynamic World בברזיל

‫Dynamic World כולל תחזיות לגבי כל תשעת הסיווגים של LULC ומציג תווית Top1 אחת לכל פיקסל. בעולם האמיתי יש שילוב של הרבה סוגים של כיסוי קרקע בכל רזולוציה מרחבית. בקטע הזה אפשר לראות את התחזיות בצורה ויזואלית במרחב ובזמן.

כדי לראות חיזויים של Dynamic World בברזיל:

  1. בדפדפן, עוברים אל אפליקציית Dynamic World EE.
  2. בשדה חיפוש מקומות, מזינים Sete de Setembro, Brazil.

אפשר לראות את נתוני החישוב של Dynamic World לגבי השטח של הילידים של פאיטר סורוי, שחיים באזור סטה דה ספטמברו ברונדוניה, ברזיל.

  1. בחלונית Dynamic World, מזינים את התאריך 2016-01-01 בשדה תאריך התחלה ואת התאריך 2022-01-01 בשדה תאריך סיום, ואז לוחצים על עדכון.

יכול להיות שיעברו כמה דקות עד שהמפה תיטען, כי היא מחושבת בזמן אמת.

3bf4f71e86f14c3a.png

  1. לוחצים על מקום כלשהו במפה כדי ליצור תרשים בזמן אמת.

כדי לקבל תשובה מהירה יותר, אפשר להגדיל את התצוגה.

2d54236b6c4a69b4.png

  1. בודקים את התרשים שבו ההסתברויות של הסיווגים נמצאות בציר y והזמן נמצא בציר x.

בדוגמה הזו, התחזית של מחלקת Top1 מ-1 בינואר 2016 עד 27 ביולי 2017 היא עצים, וההסתברות משתנה מ-0.684 ל-0.755. בזמן הצילום של סצנת Sentinel-2 הבאה ב-5 בספטמבר 2017, התחזית כבר לא הייתה עצים והאות הפך לרועש יותר.

  1. לוחצים על f01f62bf4be1e38a.png כדי להגדיל את התרשים.

944eb17c0c483e43.png

4. מזל טוב

למדתם איך ליישם עקרונות ה-AI אחראי ביצירה של מערכי נתונים שמבוססים על ML, כמו Dynamic World.

מידע נוסף