澳大利亞的一支研究小組正在利用技術(shù)監(jiān)測(cè)全球氣候變化,并追蹤其對(duì)全球最大的生物體造成的影響。
▲ 圖左為AIMS船,研究小組利用它測(cè)試大堡礁上的無(wú)人機(jī)與高光譜相機(jī),圖右則為安裝在無(wú)人機(jī)上的高光譜相機(jī)(左圖來(lái)源/Scott Bainbridge, AIMS; 右圖來(lái)源/QUT)
統(tǒng)計(jì)數(shù)字向我們揭示了鮮為人知的事實(shí)。全球知名的大堡礁總長(zhǎng)達(dá)2300公里,其中包括2900座珊瑚礁,面積超過(guò)34萬(wàn)4千平方公里,這使其成為世界上最大的生物有機(jī)體以及聯(lián)合國(guó)教科文組織認(rèn)定的世界遺產(chǎn)。
來(lái)自布里斯班昆士蘭科技大學(xué)(簡(jiǎn)稱QUT)的一組研究人員,正在監(jiān)測(cè)位于澳大利亞?wèn)|北部海岸附近的珊瑚礁,旨在尋找由工業(yè)活動(dòng)以及全球變暖等各類環(huán)境壓力引發(fā)的礁體變白跡象——這種跡象,意味著珊瑚礁正在失活解體。
這支研究小組由昆士蘭科技大學(xué)副教授Felipe Gonzalez領(lǐng)導(dǎo),其亦在與澳大利亞海洋科學(xué)研究所(簡(jiǎn)稱AIMS)合作——該研究所多年以來(lái)一直負(fù)責(zé)監(jiān)測(cè)珊瑚礁的健康狀況。AIMS方面利用飛機(jī)、水下裝置與NASA衛(wèi)星圖像收集特定珊瑚礁健康狀況的數(shù)據(jù),然而,這些方法各自存在不同的缺點(diǎn),其中衛(wèi)星圖像的分辨率相對(duì)較低,而固定翼飛機(jī)及直升機(jī)的成本則太過(guò)高昂。
因此,Gonzalez正在嘗試對(duì)商用無(wú)人機(jī)進(jìn)行改裝,包括為其加裝高分辨率數(shù)碼相機(jī)與高光譜相機(jī)。監(jiān)測(cè)工作將在距離海岸線15-70公里的水域進(jìn)行。無(wú)人機(jī)在礁石上方60米處飛行,并由高光譜相機(jī)拍攝距離水面3米以內(nèi)的珊瑚礁數(shù)據(jù)。這將大大擴(kuò)展觀測(cè)工作的覆蓋范圍,從而為AIMS的發(fā)現(xiàn)提供重要的驗(yàn)證素材。
Gonzalez解釋稱,數(shù)碼相機(jī)主要用于對(duì)進(jìn)行研究的單一珊瑚礁進(jìn)行傳統(tǒng)3D模型構(gòu)建。然而,這種傳統(tǒng)相機(jī)只能從三個(gè)光譜通道實(shí)現(xiàn)光線捕獲,即紅色、綠色與藍(lán)色,涵蓋電磁光譜中波長(zhǎng)380到740納米的區(qū)間。相比之下,高光譜相機(jī)則能夠拍攝到270納米光譜帶的反射光。
如果需要投入一年甚至更長(zhǎng)的時(shí)間才能讓該團(tuán)隊(duì)確認(rèn)并向AIMS報(bào)告珊瑚礁中的某一部分正在快速分解,那么拯救工作可能根本來(lái)不及進(jìn)行。
Gonzalez表示,“高光譜成像大大提高了我們根據(jù)光譜特性監(jiān)測(cè)珊瑚礁狀況的能力。這是因?yàn)闃?gòu)成珊瑚礁環(huán)境的每一個(gè)組成部分——包括水、沙子與藻類等——都有著自己的光譜特征,泛白與未泛白的珊瑚也是如此。”
然而,珊瑚礁覆蓋范圍的擴(kuò)大與所收集數(shù)據(jù)的豐富性又給團(tuán)隊(duì)帶來(lái)了新的挑戰(zhàn)。傳統(tǒng)的AIMS潛水器能夠在運(yùn)行當(dāng)中收集珊瑚礁上40個(gè)不同位點(diǎn)的信息,相比之下單張高光譜圖像就提供超過(guò)4000個(gè)數(shù)據(jù)點(diǎn)。因此,一架無(wú)人機(jī)飛行過(guò)后就能夠帶來(lái)高達(dá)數(shù)千GB的原始數(shù)據(jù),其內(nèi)容必須進(jìn)行處理與分析。在最初處理數(shù)據(jù)時(shí),研究小組嘗試使用PC、自定義軟件工具與昆士蘭科技大學(xué)的高性能計(jì)算機(jī)。但整個(gè)過(guò)程耗時(shí)數(shù)周,期間計(jì)算機(jī)一直在不斷維持高強(qiáng)度運(yùn)轉(zhuǎn)。
▲ 澳大利亞大堡礁潘多拉礁拍攝圖
因此,該團(tuán)隊(duì)申請(qǐng)并成功加入贊助性質(zhì)的微軟AI for Earth計(jì)劃。此項(xiàng)計(jì)劃旨在為研究全球環(huán)境挑戰(zhàn)的研究人員提供軟件工具、云計(jì)算服務(wù)以及AI深度學(xué)習(xí)資源。
Gonzalez指出,“現(xiàn)在,我們能夠利用微軟通過(guò)云端提供的AI工具以補(bǔ)充我們的原有工具儲(chǔ)備,并快速標(biāo)記不同的光譜特征。因此,根據(jù)具體數(shù)據(jù)的不同,以往需要花費(fèi)三到四周才能處理完成的無(wú)人機(jī)拍攝數(shù)據(jù),如今只需要兩到三天就能消化完畢。”
這種數(shù)據(jù)處理加速效果發(fā)揮著至關(guān)重要的作用。如果需要投入一年甚至更長(zhǎng)的時(shí)間才能讓該團(tuán)隊(duì)確認(rèn)并向AIMS報(bào)告珊瑚礁中的某一部分正在快速分解,那么拯救工作可能根本來(lái)不及進(jìn)行。
Gonzalez同時(shí)補(bǔ)充稱,“由于能夠及早獲知,政府將能夠采取更快的行動(dòng)以保護(hù)珊瑚礁中的瀕危區(qū)域。”
他還強(qiáng)調(diào),高光譜成像的使用目前已經(jīng)成為各個(gè)領(lǐng)域中遙感工作層面的高增長(zhǎng)方向,具體包括農(nóng)業(yè)、礦物測(cè)量、測(cè)繪以及水資源定位等等。
舉例來(lái)說(shuō),他和昆士蘭科技大學(xué)的同事們亦在利用此項(xiàng)技術(shù)監(jiān)測(cè)可能受病原體、真菌或者蚜蟲影響的森林、小麥作物以及葡萄園。
與此同時(shí),在接下來(lái)的兩個(gè)月當(dāng)中,Gonzalez還將繼續(xù)處理從珊瑚礁處收集到的光譜數(shù)據(jù);而后在今年9月,他將啟動(dòng)第二輪無(wú)人機(jī)飛行掃描。
他總結(jié)道,“我們的目標(biāo)是重返A(chǔ)IMS已經(jīng)進(jìn)行過(guò)變化監(jiān)測(cè)研究的四片珊瑚礁,而后將監(jiān)測(cè)擴(kuò)展到新的珊瑚礁區(qū)域。”
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。