Kan maskinlæring afsløre geologi, som mennesker ikke kan se?

Identifikation af geologiske træk i en tæt bevokset, stejl, og ujævnt terræn kan næsten være umuligt. Billedmateriale som LiDAR kan hjælpe forskere med at se gennem trædækket, men subtile landformer kan ofte savnes af det menneskelige øje.

Nu, et team af videnskabsmænd har udnyttet kraften ved maskinlæring for at identificere skjulte geologiske træk. Specifikt, videnskabsmændene identificerer hidtil uidentificerede huleindgange, som er svære at se i billeder, og svært tilgængelige på jorden.

Leila Donn, en ph.d.-studerende ved University of Texas i Austin og hovedforfatter af den nye forskning, præsenterer resultaterne af sin forskning på søndag ved The Geological Society of America's Annual Meeting i Phoenix.

Forskningen var delvist inspireret af den frodige, vanskeligt tilgængelige områder i tropiske skove. "Vi så behovet for at få LiDAR -dækning for vores dybe tropiske skovområder, " siger Timothy Beach, medforfatter til forskningen. "LiDAR-billeder har vist en masse arkæologi, men vi vidste også, at de kunne vise en masse ny geologi og en masse nye interaktioner mellem mennesker og miljø. "

Projektet var også inspireret af Donns egne felterfaringer. Mens han hjalp en kollega med at lede efter huleindgange i Guatemala, de ville finde et sted, der så lovende ud på LiDAR-billederne, brug derefter hele dagen på at vandre til stedet. "Det var virkelig sjovt, men virkelig, virkelig arbejdskrævende, " siger Donn. Og nogle gange førte deres daglange vandretur til et sted, der slet ikke var en hule - en frustrerende situation. "Mens vi var ude og lave dette, Jeg troede, 'Hvad nu hvis vi kunne gøre det her med maskinlæring?'" Hun forklarer, at i stedet for at forskerne udvælger mulige steder med øjet, computeren ville foretage identifikation, afslører de mest lovende steder.

For at teste, om maskinlæring kunne hjælpe dem med at indsnævre interessante geologiske steder, Donn and Beach fokuserede på et område i det nordvestlige Belize, der var stærkt bevokset og svært tilgængeligt. De koncentrerede sig om at finde huleindgange dybt inde i skoven, som endnu ikke var blevet afsløret.

Ved at bruge LiDAR-billederne indsamlet fra et lignende sted med kortlagte huler, Donn plottede placeringen af ​​kendte huleindgange, sammen med punkter, der ikke var huler. Derefter indsamlede hun oplysninger om landskabet, inklusive hældning, terrænets ruhed, og afstand til vandløb. Disse oplysninger blev samlet i et regneark og ført ind i maskinindlæring som en måde at "lære computeren at forudsige, hvad der er en hule, og hvad der ikke er, " siger Donn.

Over sommeren, Donn hackede gennem junglen for at skabe sandhed i de områder, hvor huler var blevet identificeret med maskinlæring. Hun bekræftede, at en række hidtil ukortlagte huleindgange faktisk fandtes i landskabet, inklusive en meget stor overraskelse.

"Det sejeste, vi fandt, var et synkehul, der var et sammenbrudt grottekompleks, " siger Donn. Hun sagde, at fundet kom efter en utrolig hård vandretur gennem tæt vegetation. På trods af at det var 60 meter langt, 30 meter bred, og 35 meter dyb, "Du kunne ikke se det, før du var oven på det, " hun siger.

Da hun var tilbage i laboratoriet, Donn sagde, at hun gik tilbage til LiDAR med friske øjne for at se, om hulens indgang nu ville springe ud af billederne. "Da jeg gik tilbage til lokationen og så på LiDAR, det var synligt, " hun siger, men hun bemærker, at uden at vide, at det var der, hun ville nok ikke have genkendt det som en huleindgang. "Programmet fandt det til mig."

Hendes maskinlæring kan også opfange meget mindre huler, siger Donn. "En af dem var en lille hule med en indgang, der var måske halvanden meter lang og kun 30 fod dyb." Og på LiDAR, hun siger, at mindre hule var usynlig for det blotte øje.

Donn siger, at hendes program kan bruges til geologistudier, som at finde og studere uopdagede huler. Men hun ser også ansøgninger til andre discipliner som arkæologi, skovforvaltning, byudvikling, og jordforvaltning. "Jeg ser dette have en fremtid uden for den akademiske verden, " hun siger.

"Det, Leila laver, er en spændende forbindelse mellem geovidenskabernes historie og fremtiden, " siger Beach. Et projekt som dette, han siger, "kommer fra denne evne til at komme ind på meget vanskelige steder, som de fleste af os ikke kan komme ind på, men også denne kreative vinkel med at få maskinen til at lære at gøre det også."