Thika E Ujit Takon Neuromancerin: Mësimi Makiner Për Cilësinë E Ujit Të Jugperëndimit Të SHBA

2023 Autor: Isabella Ferguson | [email protected]. E modifikuara e fundit: 2023-08-03 14:12

Në distopinë e trillimeve klimatike Thika e Ujit, nga Paolo Bacigalupi, jugperëndimi amerikan është në mes të një shpërbërjeje të ndryshimit pas klimës për të ardhmen e afërt. Unë sigurova një pamje më pak të trilluar dhe më të ekuilibruar të rajonit në një artikull të fundit të CleanTechnica, Pas Florida-s, Tregu i Pasurive të Patundshme në Arizona do të goditet më pas nga ngrohja globale. Dhe në romanin dystopian cyberpunk të William Gibson, Neuromancer, një inteligjencë artificiale fillon të përzihet me jetën e njerëzve në mënyrë që të arrijë qëllimet e veta. Si kryqëzohen këto fije?

Logoja e Ketos është mirësjellje e Ketos

Aty hyn një njoftim i përbashkët i kohëve të fundit nga Ketos dhe Autoriteti i Ujit të Nevadës Jugore.

Fatmirësisht, ndërsa Autoriteti po punon me Ketos, një kompani me komponentë të të mësuarit makinerik, ne nuk jemi ende në pikën e Skynet për furnizimin me ujë. Por Ketos po fillon të përfitojë nga mundësitë që ofrojnë përparimet në inteligjencën artificiale për të përmirësuar përdorimin e ujit dhe cilësinë e rezultateve të sistemeve ku uji është një hyrje ose dalje kryesore.

Siç mund të duket nga logoja, Ketos është një prejardhje fonetike e cetos, fjala greke për çdo përbindësh të stërmadh deti, por një që ata pohojnë do të thotë orka ose balenë vrasëse, grabitqari gjitar me lëvizje të shpejtë dhe tepër inteligjente. Fokusi i tyre në orkas është aq grabitqar i dukshëm, romantik, i majës që kërcënohet nga keqtrajtimi ynë i burimit tonë të përbashkët ujor, për të ndihmuar të mbani në mend se të qenit administrues të mirë të ujit tonë është e nevojshme.

Ketos ka dy produkte, që të dy ndajnë shumë përbërës dhe parime të dizajnit. E para, Vala Ketos, është një mjet për matjen e rrjedhës së ujit dhe e dyta, Ketos Shield, është një mjet për matjen e cilësisë së ujit.

Ata nuk janë unikë në industri, por ato kanë disa tipare interesante dhe diferencuese. Vala është projektuar të jetë monitor i pavarur, i vetë-mundësuar si një nga shumë monitorë të tillë. Vala përdor ujin që rrjedh përmes tij për të gjeneruar energji elektrike për të drejtuar sensorët dhe komunikimin e saj. Ata kanë ndërtuar në një rrjet rrjetë të pronarit që e lejon atë të komunikojë në mungesë të sinjaleve ekzistuese wifi dhe celulare, me të dhënat që kërcejnë nëpër njësitë Wave derisa të ketë një pikë lidhjeje me botën më të madhe elektronike.

Imazhi është mirësjellje nga Ketos

Pika e projektimit është për vendet ku rrjedh ujë dhe komunikimet nuk ekzistojnë, por komunikimi elektronik i fushës më afër është i mundur pa instalime elektrike ose rutera të jashtëm. Grumbulli i komunikimit bazohet në një LoRaWan, një chipset pa tel me rreze të gjatë, me fuqi të ulët që përdoret në shumë rrjete të Internetit të Gjërave (IoT) në të gjithë botën.

Nga ana tjetër, Mburoja është krijuar për vendet ku ekziston komunikimi dhe fuqia, në mënyrë tipike pikat e përdorimit dhe hyrja në ambiente. Ai përdor sensorë spektrografikë optikë dhe sensorë të tjerë të pronarit për të siguruar një gamë të gjerë dhe cilësi të të dhënave për ujin, përfshirë zbulimin e toksinave të metaleve të rënda si plumbi, bakri, arseniku, kromi dhe të ngjashme. Komunikimi bëhet përmes lidhjeve Ethernet ose celulare.

Ata i kanë ndërtuar të dy në një strukturë të përbashkët, dykahëshe komunikimi, por deri më tani, kaq standarde. Pajisjet IoT me sensorë dhe komunikime nuk janë një monedhë një duzinë, por ato janë shumë më të përhapura se sa ishin një dekadë më parë. Aty ku fillon të bëhet më thellësisht interesant është përdorimi i komponentëve të të mësuarit makinerik.

Të mësuarit makinerik është një fushë e përparimit thelbësor gjatë viteve të fundit. Libraryshtë shfaqur një bibliotekë standarde e imazheve, ImageNet, për trajnimin e sistemeve të përpunimit të imazheve. Një arkitekturë e shtresuar për përpunimin vizual të imazhit është shfaqur, me tre studiuesit kryesorë, Yoshua Bengio, Geoffrey Hinton dhe Yann LeCun, dy Kanadezë dhe një Amerikan që ndanë kohën e tyre të ndryshme midis universiteteve, Facebook dhe Google, duke ndarë çmimin Turing milion dollarë për inovacioni dhe njohuritë e tyre. RetinaNet, si një shembull, është një rrjet nervor i para-pjekur, me shumë shtresa të njohjes së imazhit që fillon me grupin e imazhit ImageNet dhe gjen dhe mbledh modele të abstraksionit më të madh dhe më të madh, të cilat mund të përfshihen në zgjidhje të reja me grupe të reja të imazheve të kufizuara për të gjetur vlerë pa pasur nevojë të rikrijoni të gjithë të mësuarit primitiv. Një kurs i azhurnuar, i disponueshëm falas, për të mësuar makinerinë përdor RetinaNet për të identifikuar saktë racat e maceve dhe qenve me saktësi 96% në dy minuta të trajnimit të Shërbimeve të Ueb Amazon në një numër të vogël fotografish të maceve dhe qenve. Nga ana e përpunimit të gjuhës, një rrjet i ngjashëm nervor i ripërdorshëm i quajtur ELMo ka siguruar një hap-ndryshim në përpunimin dhe përkthimin e gjuhës natyrore me grupe kuptimesh të thella dhe kontekstuale.

Paralajmërim i drejtë për lexuesit e rregullt të CleanTechnica. Ashtu si vitin e kaluar unë shkova gjerë dhe thellë në blockchain për zgjidhje cleantech, ky është një nga artikujt e hershëm në një seri mbi zbatimin e të mësuarit makinerik në transformimin tonë në të ardhmen me karbon të ulët.

Një nga kontaktet e mia kryesore në hapësirën e të mësuarit të makinës është bashkëpunëtori im i ndezur dhe i fikur David Clement. Ai dhe unë kemi punuar së bashku në disa projekte të zhvillimit IPO në Vancouver, BC, dot-com dhe kishim projekte anësore që eksploronin gjithçka, nga robotika e bazuar në tufë - njohuritë nga ajo përpjekje informuan artikullin tim mbi avantazhet e Tesla në qasjen e tyre ndaj makinave autonome, Tesla Has The Qasja e duhur për makinat që drejtojnë vetveten - për dizajnin industrial. Ai ka kaluar dy vitet e fundit duke shkuar thellë dhe gjerë si një arkitekt praktik në teknologjitë e të mësuarit të makinës dhe ka krijuar aftësi të përpunimit të videos në kohë reale që janë në prag të asaj që është e mundur. Imagjinoni pranë kapjes së lëvizjes me cilësi të filmit nga videot në iPhone të njerëzve që bëjnë gjithçka ndërsa veshin rroba normale dhe ju do të filloni të kuptoni domenin në të cilin po inovon.

Ai dhe unë jemi duke eksploruar botën e sistemeve të vëmendjes njerëzore të zgjeruara me makinë, dhe natyrisht një nga fushat e mia të fokusit është teknologjia e pastër, kështu që mbivendosja dhe pozicionimi i Ketos për të tërhequr vëmendjen time është i qartë.

Duke zbërthyer atë, rrjetat nervore mund të marrin çdo rrjedhë të të dhënave komplekse të azhurnuara rregullisht, dhe për sa kohë që ato mund të shndërrohen në imazhe ose tekst, është e mundur të gjesh me shpejtësi tipare me interes në të dhëna dhe të fillosh të përdorësh komponentët e të mësuarit në makinë në një zgjidhje për të dhënë vlerë. Komponenti i të mësuarit të makinës vazhdon t'i kushtojë vëmendje dhe zbulon automatikisht gjërat që mund të vëzhgojë lehtësisht, njerëzit mund të kuptojnë se cila nga ato karakteristika kanë kuptim dhe në shumë raste njerëzit gjithashtu mund ta stërvitin atë për të treguar tipare që makina nuk mund t'i shohë lehtë vetë, duke lejuar që të shfaqen njohuri edhe më të mëdha. Imagjinoni një ekspert njerëzor që sheh dy maja në një analizë spektrografike që ata e dinë se janë kuptimplotë, duke tërhequr një lidhje midis veçorive dukshëm të ndryshme dhe më pas rrjeti nervor t'i zbulojë automatikisht ato duke shkuar përpara.

Një nga konceptet thelbësore është vëmendja e vazhdueshme ndaj një rryme të dhënash ose rrjedhave të rëndësishme për një fushë problemi. E dyta është se një rrjet nervor relativisht i ulët fleksibiliteti me aftësi efektive të pafund për t'i kushtuar vëmendje rrjedhave ekziston në mjetet e të mësuarit makinerik. E treta është se një rrjet nervor me fleksibilitet të lartë ekziston tek njerëzit që mund të punojnë me të dhe të trajnojnë rrjetin nervor të kompjuterizuar për të parë gjëra të reja, të cilat thjesht do të jenë në gjendje t'i shohin. Rrjetet nervore njerëzore dhe të kompjuterizuara bashkëpunojnë për t'i kushtuar vëmendje gjithnjë e më mirë.

Lidhur këtë me Ketos, çdo klient i ri për të cilin ata instalojnë sensorët Wave dhe Shield po ushqen rrjetën e tyre nervore, e cila bëhet gjithnjë e më e mirë për të parë gjërat në burimet e sensorit, gjëra që mund të jenë me vlerë për të gjithë klientët e tyre përmes portalit të tyre qendror. Ashtu si adoptuesit e hershëm të Tesla vunë re se makinat e tyre u bënë më të mirë në drejtimin e automjeteve shumë shpejt pasi Autopilot ishte ndezur në rrethana të caktuara, diçka që ishte për shkak të sistemit të të mësuarit makinerik të Tesla duke parë korrigjimet njerëzore në rrethana të caktuara dhe kështu që vetë trajnimi të ishte më i mirë, klienti do të shohë përmirësime kur më shumë klientë hyjnë në sistem.

Por kjo nuk është e gjitha. Pika e zgjatjes për këtë është përtej rrjedhës së ujit dhe cilësisë. Kompania mund të zgjerojë burimet me të dhëna specifike të klientit dhe të fillojë të shohë veçori dhe optimizim të rezultateve për sistemin më të madh. Sistemi neural i të mësuarit neto është i zgjerueshëm për fushat ku përdoret uji, me fjalë të tjera, dhe klientët mund të fillojnë të shohin optimizime përtej përdorimit të ujit. Kthehuni prapa në diagramin se ku mund të instalohen sensorë Ketos në bujqësi dhe industri dhe filloni të mendoni për grupe të tjera sensorësh që përfshijnë të dhëna të rezultateve për prodhimet ose masat e cilësisë, dhe njohuritë që mund të merren për të përmirësuar proceset dhe rezultatet.

Autoriteti i Ujit të Nevadës Jugore është përqendruar në sigurimin e cilësisë më të lartë të ujit për klientët e tij, kështu që është më pak i përqendruar në ndryshimin e proceseve. Megjithatë, ata besojnë se ata duhet të jenë në gjendje të ulin ndjeshëm koston e testimit të cilësisë së ujit në 20 ndotës. Me gjasat e mëdha që uji i freskët të vazhdojë të bëhet më i rrallë dhe prandaj më i shtrenjtë në atë pjesë të botës, gjetja e efikasiteteve të tjera për të ulur rritjen e kostos është kritike.

Puna e Ketos dhe Autoritetit vazhdojnë të shtyjnë mbrapa të ardhmen distopike të The Thikë Uji në mënyrë që bixhozistët dhe ahengjet e dasmave në Las Vegas të jenë akoma në gjendje të pinë ujë për vitet ose dekadat e ardhshme. Dhe Ketos po punon për të krijuar një rrjet nervor jashtëzakonisht më pak inteligjent, por shumë më të dobishëm sesa AIs Wintermute ose Neuromancer i librit eponik të Gibson.