[ad_1]

WildMe یک ارائه دهنده خدمات یادگیری ماشین غیرانتفاعی برای زیست شناسان میدانی است که در زمینه حیات وحش و حفاظت از آن مطالعه می کنند. اما قبل از ایجاد الگوریتم های کوسه نهنگ ، به داده های خوبی نیاز دارید.

اعتبار: WildMe

اعتبار: WildMe

هر کسی که در مدیریت داده و علم داده کار می کند ، می تواند این چالش را تأیید کند و مدت زیادی طول بکشد تا مجموعه ای از داده ها را از یک منبع جدید به یک پلتفرم ترسیم کند که در آن می توان آنها را تمیز ، تأیید و در نهایت تجزیه و تحلیل و استفاده کرد. برای الگوریتم های آموزش. به هر حال ، الگوریتم های شما به خوبی داده هایی هستند که برای آموزش آنها استفاده می شود.

حال تصور کنید که آیا این مجموعه داده ها از صدها کاربر خارجی آمده است که از هر تعداد سیستم برای جمع آوری این داده ها استفاده کرده اند ، از پرونده های اکسل گرفته تا جعبه های کفش واقعی پر از عکس. این چالشی است که یادگیری ماشینی غیرانتفاعی برای ارائه دهنده خدمات حیات وحش و هوش مصنوعی WildMe در بیش از یک دهه فعالیت خود با آن روبرو شده است. این سازمان برای جامعه تحقیقاتی نرم افزار منبع باز و هوش مصنوعی ایجاد می کند. این سازمان متشکل از تکنسین ها – متخصصان نرم افزار و یادگیری ماشین است – و به گونه ای طراحی شده است که “نیروگاه معتبر مهندسی برای زیست شناسان حیات وحش در سراسر جهان” است.

این نرم افزار هوش مصنوعی به محققان این امکان را می دهد تا افراد را در میان گونه های مختلف – مانند کوسه های نهنگ – با شناسایی آنها با الگوهای لکه ای منحصر به فرد ردیابی کنند. به گفته جیسون هولبرگ ، مدیرعامل سازمان ، بنیانگذار و مدیر مهندسی سازمان ، WildMe این الگوریتم اصلی و فناوری مورد به مورد را با اصلاح الگوریتم تلسکوپ فضایی هابل ، که الگوی ستاره ها را در آسمان شب بررسی می کند ، ایجاد کرد.

اعتبار جیسون هولمبرگ: از طریق WildMe

اعتبار جیسون هولمبرگ: از طریق WildMe

وی در طی سفر زیر آب به جیبوتی در سال 2002 ، اولین کوسه نهنگ خود را دید و یاد گرفت که چگونه محققان حیوانات را از نظر فیزیکی مشخص و ردیابی می کنند. وی معتقد بود که می توان از طریق الگوریتم های دید رایانه ای راهی بهتر پیدا کرد که بتواند افراد را با الگوهای منحصر به فرد خود در زمین شناسایی کند. این کار Whaleshark.org شد ، کتابخانه ای برای برخوردها و کوسه های نهنگ منفرد که توسط زیست شناسان دریایی مورد استفاده و نگهداری قرار می گیرد.

اما این فقط اولین مورد استفاده بود. از آنجا WildMe به عنوان بستری برای سایر محققان حیوانات گسترش می یابد و به آنها اجازه می دهد تا داده های خود را برای فهرست بندی انواع دیگر گونه ها از پرتوهای مانتا تا زرافه ها تا اژدهای دریایی بارگذاری کنند. این پلتفرم به بیش از 200 سازمان و نزدیک به 1000 محقق در حال ردیابی نزدیک به 90،000 حیوان در سراسر جهان با تقریبا 444،000 مشاهدات در پایگاه داده خود است.

چالش انتقال کاتالوگ های زیست شناسان برای جلسات و مشاهدات و افراد به سیستم عامل های WildMe از همان ابتدا مسئله ای خارق العاده بوده است.

هولمبرگ گفت: “این فرایندی است که در حال پیشرفت است.” “هنگامی که ما برای اولین بار با زیست شناسان در سراسر جهان کار کردیم ، برای هر داده واردکنندگان سفارشی می نوشتیم. این کد یکبار مصرف سفارشی هفته ها طول خواهد کشید.”

بن Scheiner ، مهندس ارشد نرم افزار WildMe ، آن را به شرح زیر توصیف کرد: “ما یک چارچوب جاوا اسکریپت دستی برای وارد کردن داده ها داشتیم. اما این یک اشکال بود. ما روی مسائل زیست محیطی متمرکز هستیم و هوش مصنوعی و یادگیری ماشین خدمات اصلی ما هستند. “” دانستن این اطلاعات هیئت مدیره شایسته شرکت ما و مجموعه ای از راه حل ها است. ما در یک حساب بانکی غیر انتفاعی موفق به انجام این کار نشدیم. “

اعتبار توسط بن اشنایر: از طریق WildMe

اعتبار توسط بن اشنایر: از طریق WildMe

هیچ استاندارد جهانی برای چگونگی فهرستنویسی محققان از داده هایشان وجود نداشت. هر محقق سیستم خود را ایجاد کرد.

هولمبرگ گفت ، بنابراین ، ایده “واردكننده داده جهانی” نوعی كاذب است. “اما ما توانستیم نیمی از مشکل را حل کنیم.” WildMe شروع به استفاده از ابزاری کرد تا اجازه دهد زیست شناسان میدانی نقشه برداری از داده های خود را در یک مجموعه مشترک از زمینه ها و توصیف کنندگان آغاز کنند. این زیست شناسان می توانند داده ها را در سیستم بررسی کرده و سپس تأیید کنند.

اگرچه این روند روند را ساده و سریعتر کرد ، اما هنوز مواردی وجود داشت که می توانند بهبود یابند. این سیستم چندان مقیاس پذیر نبود و به محققان اجازه بررسی داده های خود را نمی داد. WildMe شروع به آزمایشی ابزاری از شرکتی به نام Flatfile کرد که برای حل مشکلات پردازش و اعتبار سنجی داده های خارجی از چندین منبع طراحی شده است.

دیوید بوسکوویچ پس از کار در چندین شرکت SaaS مختلف ، Flatfile را تأسیس کرد و هر بار با همان مشکل آزار دهنده روبرو شد: نحوه وارد کردن داده های مشتری جدید به سیستم هنگامی که هر مشتری از سیستم های مختلفی استفاده کرده است.

بوشکوویچ گفت: “این یک مشکل جهانی بود. هزینه و تلاش ورود اطلاعات یکی از هزینه های نوآوری است.” اما بسیار ناامید کننده بود. “دوست دارم بگویم که من این محصول را طراحی کردم.”

اعتبار دیوید بوسکوویچ: از طریق Flatfile

اعتبار دیوید بوسکوویچ: از طریق Flatfile

جنبه دیگر ورود داده ها به سیستم این است که مشتریان شما باید مالکیت و کنترل آنها را حفظ کنند. این برای بازرگانان مهم است. همچنین برای زیست شناسان میدانی مهم است. این یکی از دلایلی است که WildMe با Flatfile در حال تعقیب خلبان است.

هولمبرگ گفت: “این یک سیستم شهودی است که از طریق آن زیست شناس میدانی می تواند مالکیت داده های خود را از طریق فرآیند وارد کردن آنها به سیستم ما حفظ کند و کارهایی را که در حال حاضر نداریم مانند اعتبار سنجی داده ها انجام می دهد.” به عنوان مثال ، این به شما کمک می کند “اطمینان حاصل کنید که همه مختصات GPS در قالب صحیح قرار دارند. اینها کاتالوگ داده های ساخته دست بشر هستند. آنها واقعاً دارای خطا هستند.”

در طی فرآیند تأیید ، ناهنجاری ها به زیست شناسانی که داده ها را تهیه کرده اند بازگردانده می شود تا بتوانند داده ها را برگردانند و پاک کنند. این به زیست شناسان اجازه می دهد تا داده های خود را در یکی از سیستم عامل های WildMe ببینند و با این داده ها در سیستم عامل کار کنند.

این سیستم عامل ها دانش زیست شناسان را در مورد گونه هایی که مطالعه می کنند تغییر می دهد.

هولمبرگ گفت: “هنگامی که من برای اولین بار تحقیق در مورد کوسه های نهنگ را شروع کردم ، همه فکر کردند که اقیانوس هند مکان بزرگی برای آن است.” “همانطور که این سیستم عامل های آنلاین را می ساختیم ، می توانستیم رفت و آمد مردم را شناسایی کنیم … اکنون می بینیم که خلیج مکزیک یکی از بزرگترین نقاط برای مطالعه رفتار کوسه های نهنگ است.”

در بسیاری از موارد ، WildMe اولین تلاش محقق در محاسبات ابری و ذخیره سازی و تجزیه و تحلیل داده های آنها است ، بنابراین هدف این است که از سیستم برای افرادی که کار اصلی آنها فناوری نیست استفاده شود.

هولمبرگ گفت: پردازش داده ها باید سریع باشد تا زیست شناسان بتوانند با سیاست ها و استراتژی های حفاظت بهتر به تغییرات جمعیت پاسخ دهند.

وی گفت: “این ممکن است به معنای گذاشتن حصار ، یا پایین کشیدن حصار ، یا اجازه ماهیگیری یا ممنوعیت صید باشد ، این بستگی به تأثیر متغیرها بر جمعیت دارد. “هرچه سریعتر بتوانیم تعداد جمعیت ها را محاسبه کنیم ، سریعتر می توانیم در برابر تغییر واکنش نشان دهیم و اطمینان حاصل کنیم که استراتژی های حفاظت از ما برای دستیابی به راه حل های موفق تر که به افزایش تعداد جمعیت ، به ویژه برای حیوانات در معرض خطر و خطر انقراض کمک می کند ، تلاش می کنند.”

آنچه در ادامه بخوانید:

از هوش مصنوعی گرفته تا کار گروهی: 7 مهارت اصلی برای دانشمندان داده
اصول یادگیری ماشینی همه باید بدانند
چگونه استعداد هوش مصنوعی استخدام کنیم و آنها را راضی نگه داریم
به یک متخصص امنیت سایبری خودآموخته تبدیل شوید

جسیکا دیویس سردبیر ارشد در InformationWeek است. این شامل مدیریت فناوری اطلاعات شرکت ها ، مشاغل ، هوش مصنوعی ، داده ها و تجزیه و تحلیل ها و نرم افزارهای سازمانی است. او کار خود را صرف پوشاندن چهارراه تجارت و فناوری کرده است. او را در توییتر دنبال کنید: … بیوگرافی کامل را مشاهده کنید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir