Áp dụng các nguyên tắc về trí tuệ nhân tạo có trách nhiệm khi xây dựng các tập dữ liệu viễn thám, chẳng hạn như Dynamic World

1. Trước khi bắt đầu

Dynamic World là tập dữ liệu về mức độ bao phủ đất (LULC) sử dụng đất toàn cầu được cập nhật gần như theo thời gian thực. Nó có độ phân giải 10 mét vì nó sử dụng chòm sao Sentinel-2 của Cơ quan Vũ trụ Châu Âu (ESA) và chương trình Copernicus, tạo ra một bức tranh toàn cầu được cập nhật về bề mặt Trái Đất từ 2 đến 5 ngày một lần. Nền tảng này được sản xuất bằng mô hình học sâu, Vertex AI và Earth Engine, một nền tảng phân tích không gian địa lý. Dữ liệu này giúp các nhà khoa học, nhà nghiên cứu và nhà phát triển phát hiện các thay đổi, xu hướng lập bản đồ và định lượng sự khác biệt trên bề mặt Trái Đất.

Earth Engine là một công cụ nhằm nâng cao kiến thức khoa học về các quá trình của hành tinh để giúp ích hơn nữa cho môi trường và xã hội. Việc sử dụng cho mục đích thương mại (bản xem trước với Google Cloud) cho biết rằng mục đích chính của công ty là tìm hiểu và giải quyết các vấn đề nghiêm trọng về khí hậu và tính bền vững, chẳng hạn như nạn phá rừng, quản lý nước và sử dụng đất bền vững.

Lưu ý: Sự rõ ràng của ngôn từ trong Dynamic World và Earth Engine là một cách tiếp cận phổ biến của trí tuệ nhân tạo (AI) có trách nhiệm để bảo vệ khỏi việc sử dụng tiềm ẩn vì bất kỳ lý do nào khác với mục đích lợi ích xã hội.

Trong lớp học lập trình này, bạn sẽ áp dụng các phương pháp có trách nhiệm khi tạo tập dữ liệu lấy từ công nghệ học máy, chẳng hạn như Dynamic World.

Kiến thức bạn sẽ học được

• Cách áp dụng các phương pháp AI có trách nhiệm trong ứng dụng cảm biến từ xa.
• Cách diễn giải thông tin dự đoán trong Thế giới động theo không gian và thời gian.
• Cách xem xét các hệ quả về đạo đức và các hệ quả xã hội ở hạ nguồn.

Bạn cần có

• Quen thuộc với cách điều hướng trong Các ứng dụng của Earth Engine.
• Google Chrome hoạt động tốt nhất với các Ứng dụng Earth Engine.

2. Mở ứng dụng Dynamic World Earth Engine

Tập dữ liệu Dynamic World chứa thông tin dự đoán theo pixel của 9 lớp LULC như mô tả trong bảng này. Sử dụng đất mô tả cách con người sử dụng đất, trong khi mức độ bao phủ đất mô tả các vật chất vật chất trên bề mặt Trái đất.

Loại LULC	Nội dung mô tả
Nước	Vùng nước cố định và theo mùa
Cây xanh	Rừng nguyên sinh, rừng thứ sinh và đồn điền quy mô lớn
Cỏ	Đồng cỏ tự nhiên, đồng cỏ dành cho gia súc và công viên
Thực vật bị ngập lụt	Rừng ngập mặn và các hệ sinh thái bị ngập lụt khác
Mùa màng	Trồng trọt và canh tác
Cây bụi và cây bụi	Thực vật mở gồm nhiều cây bụi
Khu vực xây dựng	Các toà nhà có mật độ thấp và mật độ cao, đường và không gian mở trong đô thị
Mặt đất trần	Sa mạc và đá lộ ra
Tuyết và băng	Lớp phủ tuyết vĩnh viễn và theo mùa

Các hình ảnh trong tập dữ liệu này bao gồm 10 dải: 9 dải với xác suất ước tính cho mỗi lớp trong số 9 lớp LULC và một dải nhãn lớp biểu thị lớp có xác suất ước tính lớn nhất. Các thuộc tính riêng biệt này cho phép người dùng phân tích đa thời gian và tạo ra các sản phẩm tuỳ chỉnh phù hợp với nhu cầu của họ.

Lưu ý: Việc sử dụng thông tin dự đoán trong Dynamic World đã trải qua quy trình đánh giá về mặt đạo đức, trong đó đánh giá về tính an toàn, tính nghiêm ngặt khoa học, tính công bằng, hành vi sử dụng sai trái có thể xảy ra, lợi ích xã hội và trong trường hợp này là tuân thủ Nguyên tắc về trí tuệ nhân tạo của Google. Nếu được, bạn có thể thiết lập các điểm kiểm tra trong dự án học máy của mình để đánh giá xem các quyết định kỹ thuật mà bạn đưa ra có phù hợp với tuyên bố sứ mệnh, giá trị hoặc điều lệ đạo đức của tổ chức hay không.

Cách mở ứng dụng Dynamic World Earth Engine:

1. Mở một thẻ khác trong trình duyệt,
2. Chuyển đến Thế giới động.

Bản đồ hiển thị tranh mosaic ở chế độ Top1 với cảnh đồi ở các mức thu phóng cao.

3. Nhấp vào bản đồ để xem biểu đồ hiển thị xác suất của lớp theo thời gian.
4. Nhấp vào một điểm dữ liệu trên biểu đồ để tải một dự đoán cụ thể và hình ảnh Sentinel-2 của nó.
5. Trong ngăn Lớp, điều chỉnh các lớp và chế độ hiển thị.

3. Khám phá các dự đoán Thế giới động ở Brazil

Dynamic World (Thế giới động) bao gồm các thông tin dự đoán trên toàn bộ chín lớp LULC và hiển thị một nhãn Top1 duy nhất cho mỗi pixel. Thế giới thực là sự kết hợp của nhiều lớp LULC ở bất kỳ độ phân giải không gian nào. Trong phần này, bạn sẽ diễn giải dự đoán một cách trực quan theo không gian và thời gian.

Cách khám phá thông tin dự đoán về Thế giới động ở Brazil:

1. Trong trình duyệt, hãy chuyển đến ứng dụng Dynamic World EE.
2. Trong trường Tìm kiếm địa điểm, hãy nhập Sete de Setembro, Brazil.

Bạn sẽ thấy dữ liệu điện toán trong Thế giới động cho lãnh thổ bản địa của người Paiter Surui sống ở vùng Sete de Setembro thuộc Rondônia, Brazil.

3. Trong ngăn Thế giới động, hãy nhập 2016-01-01 vào trường Ngày bắt đầu và 2022-01-01 vào trường Ngày kết thúc, sau đó nhấp vào Cập nhật.

Quá trình tải bản đồ có thể mất vài phút vì bản đồ tính toán theo thời gian thực.

4. Nhấp vào vị trí bất kỳ trên bản đồ để tạo biểu đồ theo thời gian thực.

Bạn có thể phóng to hơn nữa để trả lời nhanh hơn.

5. Kiểm tra biểu đồ, trong đó xác suất của lớp nằm trên trục y và thời gian nằm trên trục x.

Trong ví dụ này, dự đoán lớp Top1 từ ngày 1 tháng 1 năm 2016 đến ngày 27 tháng 7 năm 2017 là cây, thay đổi từ xác suất 0, 684 đến 0, 755. Vào thời điểm cảnh Sentinel-2 tiếp theo được chụp vào ngày 5 tháng 9 năm 2017, dự đoán không còn cây xanh và tín hiệu trở nên nhiễu hơn nhiều.

6. Nhấp vào để phóng to biểu đồ.

Lưu ý: Nếu bạn muốn tạo một tập dữ liệu dựa trên công nghệ học máy một cách có trách nhiệm, hãy lập kế hoạch tình huống về cách điều chỉnh tập dữ liệu cho những mục đích sử dụng không chủ ý và thậm chí gây hại. Hãy đặt các câu hỏi như "Có phải một số cá nhân, thị trường, khu vực, phân khúc người dùng hoặc tập hợp người dùng có nguy cơ gây ra hậu quả tiêu cực cao hơn khi sử dụng tập dữ liệu này so với những người dùng khác không?".

4. Xin chúc mừng

Bạn đã tìm hiểu cách áp dụng các nguyên tắc về trí tuệ nhân tạo có trách nhiệm để tạo tập dữ liệu dựa trên công nghệ học máy, chẳng hạn như Dynamic World.

Tìm hiểu thêm

• Các phương pháp phát triển AI có trách nhiệm
• Giới thiệu về Thế giới động (Phần 1): Trực quan hoá và tạo thành phần tổng hợp