Algoritmen afgør, om noget er 'boulder' eller 'ikke boulder', før en vindmøllepark står op på havet.
Geodatafirmaet Fugro indsamler og analyserer information om Jorden og de strukturer, der er bygget på den. Den overvåger landet, og i tilfælde af kortlægning af objekter på havbunden bruger Fugro sidescan-ekkolod, indsamlet via både, til at indsamle information.
AWS vedr.: Opfind
- Ny AWS-tjeneste for at gøre dig til en DevOps Guru
- CEO Jassy fyrer tilbage over vækstrater vs. rivaler
- AWS ser flere databasearbejdsbelastninger
- QuickSight Q-forhåndsvisning retter sig mod BI-markedet
- Hvad Mac EC2-instanser betyder for Apple, udviklere
- Jassy taler om AWS Outposts, Wavelength
- Amazon øger sine kontaktcentertjenester
- Nye computerforekomster inkluderer computertunge C6gn
- Trainium lanceres til maskinlæringsmodeller
- Eksempel: Proton container management service
Et projekt ser Fugro søge i havet efter kampesten for at hjælpe sine kunder med at afgøre, om de kan etablere en havvindmøllepark.
"Vindfarmvirksomheder vil gerne vide, hvor hindringerne er, og hvor de potentielle steder de kan bygge vindmølleparker er," sagde Fugro senior innovationsingeniør Marcus Nepveaux, da han talte på AWS re: Invent in Las Vegas.
"Så vi går ind, vi kortlægger havbunden for dem, fortæller dem, hvor de store sten eller de små sten er... de kan være så små som en fod og så store, som vi kan opdage."
Se også: AWS open sources SageMaker Neo-kode som Neo-AI-projekt
Fugro hjælper kunder med at bestemme, hvad der er på overfladen, før de går videre og installerer vindmøller. Den indsamler sidescanning af ekkolodsbilleder - i det væsentlige et lydsignal - som returnerer et billede, der viser akustisk skygge.
På billedet, som Nepveaux viste under sin præsentation, var de mørkere dele, som han sagde, høj lydfeedback til sonarmodtageren og iriserende akustisk skygge viste, hvor lyden ikke fik et svar -- et akustisk tomrum, der hjælper med at indikere, om der er kampesten i en Beliggenhed.
Typisk rejser sensorerne, der fanger informationen, seks til 10 meter over havbunden.
"Vi leder efter disse genstande i vores billedsprog, og for det meste, i mange år, blev det gjort i hånden," sagde han. "Mennesker siger, at dette er en kampesten, dette er en kampesten - meget tidskrævende udført i hånden, så AI og Sagemaker og neurale netværk skinner virkelig her i at fremskynde processen."
Fugro tilpassede fuldstændig en algoritme inden for Amazon Sagemaker og trænede sit eget Docker-billede på GPU'er.
"Vi bruger det TensorFlow-baserede billede, understøttet af GPU... hvis du starter en Sagemaker GPU-instans, har den allerede Nvidia Docker installeret på den, så det er meget praktisk. Når du bygger denne container til at køre på et GPU-understøttet system, gør det det meget nemt. Det, vi skulle gøre, er at bygge brugerdefinerede datalæsere, egentlig bare læse billeder ud af Amazon - meget enkelt," sagde han.
"Dette system er boulder og ikke boulder.
"Vi håber at konvertere uger og måneder til arbejde til blot et par dage.
Se også: Fem trin til at komme i gang med maskinlæring: Topdataforskere deler deres tips (TechRepublic)
Algoritmen har returneret mere end 100.000 positive identifikationer af kampesten.
"Nogle af disse billeder er kommet igennem, og billederne varierer afhængigt af hvilket - vi har teams i forskellige dele af verden, og de virker alle sammen lidt forskelligt... men nogle af dem har vi set komme tilbage med 120.000 kampesten. Så vi har en tendens til at forsøge at tilpasse modellen, så den favoriserer falske positive versus falske negative," sagde Fugro senior innovationsingeniør Michael Venable.
"Vi vil hellere vise dem en kampesten, der ikke rigtig var der, i stedet for at gå glip af en kampesten, der virkelig kunne give problemer."
120.000 var bare i én fil, og det er én fil af mange på et job, forklarede Venable.
Mens den første fase af dette relativt nye projekt ser på kampesten dybt på havbunden, sagde Venable, at den anden fase vil se virksomheden kortlægge de formationer, der lå lige under havbunden.
"Den fase, vi er i lige nu, er en slags verificering - de vil køre nogle data, og de vil se på resultaterne," sagde Venable.
Asha Barbaschow rejste for at re: Invent as a guest of AWS.
RELATERET DÆKNING
- Disse 10 teknologier vil sandsynligvis hjælpe med at redde planeten Jorden
- Salesforce implementerer Einstein Vision for at se store hvidhajer
- IBM bruger kunstig intelligens til at forhindre, at Australiens strande skyller væk
- Hvordan AI og droner forsøger at redde Great Barrier Reef (TechRepublic)
- Australske universiteter bruger kunstig intelligens til at kortlægge den globale forstrand
- Planetanalyse: big data, bæredygtighed og miljøpåvirkning
- Microsoft forpligter 50 millioner dollars til at anvende kunstig intelligens på problemet med globale klimaændringer (TechRepublic)