Spørgsmål og svar:AI i jordobservation - en kraft til det gode

Den kommende lancering af Φsat-2-missionen er et glimrende eksempel på det banebrydende arbejde, som ESA udfører inden for kunstig intelligens i jordobservation.

Men når det kommer til kunstig intelligens, er der masser af håb og frygt i lige høj grad. I dette interview sætter ESA's Rochelle Schneider rekorden for, hvordan denne transformationsteknologi forbedrer adgangen til afgørende information om vores planets tilstand og fremtid.

Succesen med generative AI-værktøjer som ChatGPT har bragt nye spørgsmål med sig om, hvad der venter os, hvis AI-kraften og evnerne fortsætter med at vokse.

Heldigvis viser konferencer som AI For Good, hvor ESA ofte deltager, at AI i stedet for at forårsage skade har en yderst positiv indvirkning på samfundet og bæredygtig udvikling.

Som ekspert i maskinlæring er ESA Φ-lab AI Applications Lead Rochelle Schneider godt placeret til at forklare, hvorfor AI er en god kraft i jordobservation. Rochelle har stor erfaring med at hente vital information fra jordobservationsdata til gavn for sygdomsforebyggelse og børns udvikling.

Rochelle, hvordan vil du definere AI's rolle i samfundet?

AI udnytter computere og maskiner til at arbejde for os i at udføre meget gentagne opgaver eller funktioner, der kan automatiseres. Dette giver os mulighed for at arbejde mere effektivt og koncentrere os om de aktiviteter, der kræver uerstattelige menneskelige roller, såsom følelsesmæssig intelligens, menneskelige relationer og intuition.

Hvad er dit syn på ideen om, at kunstig intelligens vil resultere i tab af arbejdspladser?

Nå, AI vil utvivlsomt transformere samfundet, men dette vil skabe utallige muligheder for nye karrierer. Vi bør derfor se på AI som et værktøj til at lette eller forbedre menneskelige evner og opgaver, snarere end noget, der vil erstatte os på arbejdsmarkedet.

Vi er nødt til at opmuntre den næste generation af fagfolk til at omfavne fordelene ved at arbejde med AI-teknologier. I jordobservation hos ESA lærer vi for eksempel unge videnskabsmænd og ingeniører at anvende værktøjerne til maskinlæring som en del af deres forståelse af data og databehandling.

Kan du forklare, hvordan AI fremmer jordobservation?

Jordobservation bliver hjulpet enormt af AI. Adskillige satellitter har nu AI-computere ombord til filtrering og behandling af data, og nedstrøms er der mange applikationer, der bruger AI til at skabe kritisk indsigt for slutbrugere.

Computervision illustrerer i høj grad det bidrag, AI yder. Vi udvinder mange funktioner fra satellitbilleder, såsom vegetation eller kulminer, og selvom computere har gjort dette i nogen tid, bruger de traditionelt faste algoritmer eller modeller til at finde de nødvendige objekter.

Med AI bliver modellen ved med at udvikle sig og lære, efterhånden som nye data ankommer, og det er en game changer i forhold til vores behov for automatisk detektion. Der produceres enorme mængder jordobservationsdata hver dag, og derfor er automatisering fra AI en vigtig hjælp til overvågning af Jorden.

I Child Connectivity-projektet, som ESA gennemfører med Giga, vurderer vi for eksempel unges adgang til internettet. Som en del af dette bruger vi AI-algoritmer til at genkende skolebygninger fra Copernicus Sentinel-2-data, og alene i Brasilien var vi i stand til at identificere 65.000 skoler, der var forkert placeret i UNICEF-databasen.

Forudsigelsesområdet bliver også stadig vigtigere. I et andet stort initiativ med UNICEF var vores klimadata-AI-modeller i stand til at forudsige udbrud af denguefeber en måned i forvejen.