המהפכה במודלים ללמידת מכונה מתרחשת בחלל החיצון

This post is also available in: English (אנגלית)

זאת הפעם הראשונה בה חוקרים הצליחו להכשיר מודל של למידת מכונה על גבי לוויין בחלל, הישג שעשוי לאפשר ניטור בזמן אמת וקבלת החלטות עבור מגוון רחב של יישומים כמו ניטור כריתת יערות, מיפוי אווירי, חיזוי מזג האוויר ואף ניהול אסונות טבע.

הנתונים שלוויינים אוספים חשובים מאוד לפעולות קריטיות רבות, אבל רובם לא בעלי יכולת לקבל החלטות או לזהות שינויים, ולכן הם יכולים רק לאסוף נתונים באופן פסיבי ולהעביר אותו לכדור הארץ כדי להיות מעובד, מה שבדרך כלל לוקח כמה שעות או אפילו ימים. כל התהליך הזה מגביל מאוד את היכולת לזהות ולהגיב במהירות לאירועים רגישים לזמן כמו אסון טבע.

על פי אתר החדשות Techxplore, צוות חוקרים מאוניברסיטת אוקספורד בראשות הדוקטורנט וויט רוז'יצ'קה החליטו לנסות ולאמן את תוכנית למידת המכונה הראשונה בחלל. בעזרת משימת " Dashing through the Stars", הם הצליחו לשלוח את הקוד ללווייןION SCV004  כשהוא כבר נמצא במסלול.

לאחר מכן הם אימנו מודל פשוט כדי לזהות שינויים בכיסויי עננים מתמונות אוויריות המבוססות על "למידה מועטה" (Few-Shot Learning) – גישה המאפשרת למודל ללמוד את התכונות החשובות ביותר שעליו לחפש כשיש לו דוגמאות מעטות בלבד.

רוז'יצ'קה הסביר כי המודל "RavAEn" דוחס את התמונות לווקטורים של 128 מספרים, ובמהלך שלב האימון לומד לשמור רק את הערכים האינפורמטיביים הקשורים לשינוי שהוא מנסה לזהות. "התוצאה היא אימון מהיר מאוד בשל העובדה שיש רק מודל סיווג קטן מאוד לאמן", הוא אמר.

בניגוד לתהליך הרגיל, הדגם החדש והזעיר השלים את שלב האימון שלו בו עבר על למעלה מ-1,300 תמונות תוך שנייה וחצי. בעת בדיקת ביצועי המודל, הוא זיהה אוטומטית בתוך עשירית שנייה אם קיים ענן או לא.

החוקרים טוענים שהמודל יכול בקלות להיות מותאם למשימות שונות וצורות אחרות של נתונים. רוז'יצ'קה אף הוסיף כי הצוות מתכוון כעת לפתח מודלים מתקדמים יותר שיכולים להבחין באופן אוטומטי בשינויים של נושאים קריטיים כמו הצפות, שריפות או כריתת יערות.

הוא הוסיף כי לצוות יש מטרה נוספת, והיא "לפתח מודלים בשביל נתונים מורכבים יותר, כולל תמונות מלוויינים היפרספקטרליים. זה יכול לאפשר למשל גילוי של דליפות מתאן, ויהיו לכך השלכות קריטיות למאבק בשינויי האקלים".