Mapowanie pokrycia terenu uchodzi za działanie niezwykle istotne, by zachować naturalne zasoby Ziemi i prowadzić zrównoważony rozwój. Te same cele podziela Microsoft w swoim programie AI for Earth. Posiadanie map pokrycia o wysokiej rozdzielczości jest szczególnie przydatne w pracach zachowawczych, ale ich wygenerowanie wymaga ogromnych zasobów obliczeniowych i skomplikowanych algorytmów. Rekordową wydajność na tym polu uzyskał właśnie utrzymywany przez Microsoft Project Brainwave.
"Gdy powołaliśmy do życia AI for Earth, mieliśmy jedną prostą, ale ogromną ambicję - by fundamentalnie przekształcić to, jak my jako społeczeństwo monitorujemy, modelujemy i zarządzamy naturalnymi zasobami ziemskimi" - pisze Lucas Joppa, Chief Environmental Scientist w Microsoft. "Transformacja ta zdecydowanie wymaga gromadzenia i przetwarzania wyjątkowo dużych zestawów danych. To wysiłek, który może pochłonąć wiele czasu i pieniędzy, nawet z udziałem zaawansowanych obliczeń w chmurze i narzędzi AI, takich jak deep learning". Bariery te - przynajmniej częściowo - udało się pokonać. Microsoft pochwalił się bowiem przełomowym osiągnięciem, które odmienia sposób analizy danych pokrycia terenu w czasie rzeczywistym.
Ponieważ problem związany z aktualizacją map pokrycia terenu jest tak zasadniczy, stał się dla AI for Earth jednym z pierwszych priorytetów. Microsoft podjął się jego rozwiązania wraz z Esri i Chesapeake Conservancy. W rezultacie działacze na rzecz ochrony przyrody otrzymali dostęp do danych zawierających 900 razy więcej informacji, niż dostępnych było do tej pory. To jednak nie koniec. "Obecnie poprzez Project Brainwave jesteśmy w stanie przetwarzać ponad 20 terabajtów obrazów aerofotograficznych w dane o pokryciu terenu dla całego USA w znacznie krótszym czasie i za dużo mniejsze koszta, niż robią to istniejące rozwiązania" - wyjaśnia Joppa. Microsoft używa do tego układów FPGA w Azure, które zdolne są przebrnąć przez blisko 200 milionów obrazów o całkowitym rozmiarze 20 TB w nieco ponad 10 minut, co kosztuje 42 dolary. Tego wręcz nie da się porównać z tradycyjnymi metodami przetwarzania danych. Rezultaty te mają zachęcić inne organizacje do produkcji nowych map pokrycia terenu o wysokiej rozdzielczości w infrastrukturze, którą można dowolnie skalować w górę i w dół, by rozwiązywać wszelkiego typu problemy na całym świecie. Przypomnijmy jeszcze, że na początku maja, podczas konferencji Build 2018 Microsoft ogłosił dostępność Project Brainwave w wersji Preview.
"Żeby było jasne" - dodaje Lucas Joppa - "algorytmy muszą być zarówno szybkie, jak i dokładne, a na tych frontach wciąż jest wiele do zrobienia i przetestowania. Tak czy inaczej te rezultaty prędkości są dobrym pierwszym krokiem we wspomaganiu ludzi, by mogli aplikować AI na skalę światową". Mapowanie pokrycia terenu nie jest, rzecz jasna, jedynym projektem realizowanym w ramach AI for Earth. W rzeczywistości jest ich ponad sto, a szczegółami Microsoft dzieli się na stronie https://www.microsoft.com/en-us/aiforearth.
341f31d.png)