Ensenyeu a un satèl·lit d’observació de la Terra a saber què veu

“Un satèl·lit que aprèn a interpretar les seves dades seria molt més autònom i eficient”, comenta l’expert científic de crowdsourcing d’ACT Marcus Märtens. “Serà capaç de prendre decisions sense haver de dependre contínuament de la supervisió humana, sabent, per exemple, que les imatges de rius o camps agrícoles s’han de connectar a terra, però d’altres es poden abocar amb seguretat per conservar l’escassa memòria a bord”.

Gabriele Meoni, expert en informàtica de punta de l’ESA Ф-lab a les ESRINcentrat en l’Observació de la Terra –que ha desenvolupat aquest repte conjuntament amb l’ACT– explica: “L’ESA equipat amb IA Ф-dis-1a bord del Federated Satellite Systems (FSSCat) CubeSat, ja ha demostrat els avantatges de la IA a bord: és capaç de detectar imatges plenes de núvols i deixar-les de banda.

“Amb el nostre nou concurs de ‘cas OPS-SAT’, busquem portar aquest enfocament més enllà. Els equips participants reben 26 imatges a mida completa adquirides per l’OPS-SAT CubeSat, que inclouen petits retalls de 200 x 200 píxels o “rajoles” identificats amb una de les vuit classificacions diferents: neu, núvol, natural, riu, muntanya, aigua, agrícola o Gel: amb un total de deu exemples de cada tipus, que representen una línia de base per a la identificació de característiques.

Dario Izzo, al capdavant de l’ACT, diu: “Aquest repte és un exemple d'”aprenentatge de pocs cops” d’IA. Com a humans no hem de veure molts gats per aprendre què és o no és un gat, només n’hi haurà prou amb unes quantes mirades. El que es necessita per a futures missions espacials és un sistema d’IA que pugui formar un concepte a partir d’exemples limitats. Aquest és un problema molt desafiant i modern des del punt de vista de la IA, i no hi ha cap manera comunament reconeguda d’aconseguir-ho”.

Gabriele comenta: “El que han d’aconseguir els equips és una manera d’entrenar una xarxa neuronal estandarditzada de mida de satèl·lit per identificar amb precisió un altre conjunt de fitxes d’imatge que hem preparat a partir de les imatges. El repte és aconseguir-ho amb el conjunt relativament escàs d’exemples que els donem. La ruta preferida en l’aprenentatge automàtic és utilitzar grans quantitats de dades, és a dir, milers o fins i tot milions d’imatges a la pràctica, per entrenar xarxes neuronals”.

El repte es basa en l’ESA OPS-SAT missió, llançada el 2019 com a laboratori de programari de vol que també és un satèl·lit d’observació de la Terra en funcionament. Tot i ser més petita que una caixa de sabates, amb només 30x10x10 cm de mida, aquesta missió de classe CubeSat allotja un ordinador experimental que és 10 vegades més potent que el de qualsevol missió de l’ESA anterior. El conjunt de dades que rebran els equips seran imatges en brut i sense processar de la imatge d’OPS-SAT, incloses les fitxes anotades.

Aquesta és l’última d’una sèrie de concursos públics dirigits a la comunitat d’IA i aprenentatge automàtic i allotjats a l’ACT’s Lloc web de Kelvins.

Dario explica: “Això és diferent del que ha passat abans perquè és un repte deliberadament centrat en les dades. Els equips no han de desenvolupar un model de programari, perquè aquest ja es presenta en forma de xarxa neuronal a bord del satèl·lit. El que han de fer és idear una manera d’entrenar aquesta xarxa neuronal perquè pugui aprendre a classificar les fitxes de la imatge d’una manera eficaç. S’han de preguntar: com podem presentar les dades perquè la xarxa neuronal s’adapti de la millor manera possible?

Marcus afegeix: “Hi ha moltes limitacions al repte, encaixant amb la idea d’operar a l’espai i traslladar el procés de presa de decisions fins a la vora, en òrbita a bord del satèl·lit, tant com sigui possible. És un repte molt experimental i arriscat, amb molt d’espai per a la interpretació, però creiem que és possible i esperem veure què ens retrocedeix”.

Per a més informació sobre el repte i com participar, cliqueu aquí. La competició començarà el divendres 1 de juliol.