Дезире Банс, руководитель инновационной группы Prometheus Computing UAS, подрядчик Национального института стандартов и технологий (NIST), член исполнительного совета PCI, и Ассан Гуйе, доктор философии, подрядчик Национального института Кандидат стандартов и технологий (NIST) и доцент кафедры информационных и коммуникационных технологий Университета Алиуна Диопа, Бамбей-Сенегал
Работать и учиться вместе с людьми в Буркина-Фасо, Сенегал, невероятно полезно.
Последние пару лет я путешествовал по Африке и работал со студентами и профессионалами. Есть много проблем, с которыми люди сталкиваются каждый день, и это заставляет каждого задавать вопросы о решениях этих вопросов. Подмножество этих вопросов имеет недорогие решения и обычно вращается вокруг успеха решения, которое зависит от скорости принятия и простоты использования.
Различные подходы приводят к постепенным улучшениям или революционным альтернативам. Необходимо выбрать план развертывания, который является адаптивным и включает в себя данные и циклы обратной связи, которые управляются адаптивно посредством непрерывного обучения. Задавая правильные вопросы, вы можете гибко идти на риск, быстро внедрять инновации и открывать новые бизнес-модели, которые могут расти. Это позволит запустить необходимые изменения и работать с людьми, наиболее близкими к проблеме.
Сенегал
Я отправился в Сенегал, чтобы провести недельный семинар по дронам для сельского хозяйства для магистров и докторов наук. Студенты Университета Алиуна Диопа в Бэмби.
Я работал с доктором Ассаном Гуйе, профессором Университета Алиуна Диопа. Он является менеджером магистерской программы по информационным технологиям. Ранее он был постдокторантом в группе теории вычислительной техники и связи в лаборатории информационных технологий Национального института стандартов и технологий. Асане получил докторскую степень. получил степень бакалавра EECS в Калифорнийском университете в Беркли и степень магистра инженерии связи в Федеральной политехнической школе Лозанны, Швейцария, в 2004 году.
Мы рассказали о физике полета с двигателем, спектральных свойствах листьев и растений, практических занятиях по управлению дроном, программировании планов полета, обучении работе на авиасимуляторе и применении искусственного интеллекта в сельском хозяйстве, создании решения для обнаружения болезней растений по фотографиям с дрона. .
Одной из целей было использование дронов для сбора данных и предоставления фермерам информации о здоровье растений, например карт нормализованного индекса различий в растительности. Один важный выбор, который мы сделали при подготовке этого семинара, заключался в том, чтобы использовать Интернет, чтобы дать студентам возможность выйти за пределы классной комнаты.
Интернет открыл фантастические возможности практически во всех секторах Африки, включая текстовые и голосовые сообщения для тех, кто не умеет читать, предлагая доступ для самых разных групп населения. В нашем случае подключение к Интернету позволяло отправить ссылку на ресурс об управлении небольшим дроном с пользовательским визуальным интерфейсом и его подключении к IBM Watson для распознавания объектов на картинке. Это предоставляет людям ресурсы и дает им возможность учиться в своем собственном темпе.
В одном примере учащиеся собирались следовать онлайн-учебнику, при этом половина из них была самостоятельной. Я попросил одного из них провести эту часть урока вместо меня. Именно в этом и заключается сила Интернета. Возможность курировать набор онлайн-ресурсов и сделать их доступными для студентов на другом конце земного шара — это очень важно. Вместо недельного семинара для одной группы студентов, который включает в себя проезд, проживание и многое другое, мы можем охватить тысячи или миллионы людей в любой точке Африки — при условии, что есть связь. Одна из студенток, Мари Паскалин Сарр, была выбрана на национальном конкурсе для участия в Собрании лауреатов Нобелевской премии по физике в Линдау 2019 года.
Г-жа Сарр работает над несколькими проектами, включая гелиостат.
В Африке так много таких молодых и блестящих умов, и мы можем помочь им, обеспечив настоящую связь с Интернетом.
Буркина-Фасо
В Уагадугу планировалось создать решение для компьютерного зрения для обнаружения объектов на аэрофотоснимках. Проблемы заключаются в отсутствии подключения к Интернету, надежной энергии и опыте в области искусственного интеллекта. Процесс обучения должен выполняться локально, а вывод основан на недорогом оборудовании.
Области знаний, необходимые для этой задачи:
Сбор информации:
- Интеллектуальный сбор информации, что означает планирование полета и сбор данных
- Генерация модели местности/реконструкция 3D вместе с ортомозаикой
Обучение модели машинного обучения:
- Проведение небольших экспериментов, чтобы выбрать правильную среду обучения модели машинного обучения, найти оптимальные гиперпараметры (например, скорость обучения, размер пакета)
Смоделированные трехмерные среды:
- Синтетические изображения могут быть собраны из смоделированной 3D-среды.
- Обучение пилотов в реалистичной 3D-среде
- Симуляционные полеты с помощью Hardware In The Loop в трехмерной среде.
Окружение создано из реальных фотографий, которые я сделал в Буркина-Фасо. Это позволяет обучать пилотов в реалистичной трехмерной среде, где они в конечном итоге будут летать по-настоящему.
Некоторые из созданных 3D-сред доступны на Sketchfab https://sketchfab.com/models/d78ccf2682584c8fb6fada97b61c943f и https://sketchfab.com/models/481a5a046082444eb2825a67744e236b?ref=related
Процесс заключался в сборе набора данных, очистке, аннотации и дополнении. Оттуда выбирается структура машинного обучения, модель, гиперпараметры обучения и оптимизация модели для вывода.
Собирать фотографии с помощью дрона было проще простого. Правила разрешительные, но они вот-вот изменятся, так как Гражданская авиация находится на поздней стадии оформления новых законов для беспилотных (малых) летательных аппаратов.
Сначала я сам аннотировал 300 фотографий. Далее я запустил процесс обучения набора данных с некоторыми методами аугментации данных из-за ограниченного набора обучающих данных. Мне потребовалось около 22000 итераций на основе гиперпараметров (например, эпох, размера партии).
Примерно на 2/3 процесса обучения произошло отключение, и мне пришлось перезапускаться, внося изменения в сохранение модели каждые 1000 итераций. В итоге мы достигли поставленных целей за 3 дня.
Благодаря улучшениям я смогу упростить процесс и добиться лучших результатов. Одно из таких улучшений включает эксперименты по поиску гиперпараметров. Используя Kubernetes на графических процессорах NVIDIA, я планирую выполнить сотни уменьшенных поисков, чтобы найти наилучшую скорость обучения, количество эпох и другие параметры.
В США те же задачи можно выполнить за пару часов с помощью Amazon Web Services, Google Cloud или Microsoft Azure. Урок, извлеченный из этого опыта, заключается в том, что можно предоставлять аналитику на основе ИИ с нуля в сложной среде с отключением электроэнергии и отсутствием подключения к Интернету.
Искусственный интеллект может сыграть большую роль в усилиях по развитию многих стран Африки. Несмотря на трудности, People-Centered Internet удваивает инициативы и возможности для цифрового подключения и инклюзивности в Западной Африке. Мы считаем, что доступ в Интернет — это только начало, а также необходим доступ к технологиям и ресурсам. Доступ к полезной информации превратит поколение молодых и амбициозных африканцев в знающих людей, которые будут искать решения для улучшения своей жизни. Мы распространяем знания и предоставляем механизмы для предоставления информации, чтобы люди поощрялись выходить на улицу, задавать правильные вопросы и предлагать решения, чтобы жить лучше.
Если вам понравился этот пост, вы можете подписаться на нас в Twitter и Facebook для получения дополнительных обновлений.
Первоначально опубликовано на https://peoplecentered.net 11 сентября 2019 г.