澳大利亞的一支研究小組正在利用技術(shù)監(jiān)測全球氣候變化,并追蹤其對全球最大的生物體造成的影響。
▲ 圖左為AIMS船,研究小組利用它測試大堡礁上的無人機與高光譜相機,圖右則為安裝在無人機上的高光譜相機(左圖來源/Scott Bainbridge, AIMS; 右圖來源/QUT)
統(tǒng)計數(shù)字向我們揭示了鮮為人知的事實。全球知名的大堡礁總長達2300公里,其中包括2900座珊瑚礁,面積超過34萬4千平方公里,這使其成為世界上最大的生物有機體以及聯(lián)合國教科文組織認(rèn)定的世界遺產(chǎn)。
來自布里斯班昆士蘭科技大學(xué)(簡稱QUT)的一組研究人員,正在監(jiān)測位于澳大利亞東北部海岸附近的珊瑚礁,旨在尋找由工業(yè)活動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(簡稱AIMS)合作——該研究所多年以來一直負(fù)責(zé)監(jiān)測珊瑚礁的健康狀況。AIMS方面利用飛機、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,其中衛(wèi)星圖像的分辨率相對較低,而固定翼飛機及直升機的成本則太過高昂。
因此,Gonzalez正在嘗試對商用無人機進行改裝,包括為其加裝高分辨率數(shù)碼相機與高光譜相機。監(jiān)測工作將在距離海岸線15-70公里的水域進行。無人機在礁石上方60米處飛行,并由高光譜相機拍攝距離水面3米以內(nèi)的珊瑚礁數(shù)據(jù)。這將大大擴展觀測工作的覆蓋范圍,從而為AIMS的發(fā)現(xiàn)提供重要的驗證素材。
Gonzalez解釋稱,數(shù)碼相機主要用于對進行研究的單一珊瑚礁進行傳統(tǒng)3D模型構(gòu)建。然而,這種傳統(tǒng)相機只能從三個光譜通道實現(xiàn)光線捕獲,即紅色、綠色與藍色,涵蓋電磁光譜中波長380到740納米的區(qū)間。相比之下,高光譜相機則能夠拍攝到270納米光譜帶的反射光。
如果需要投入一年甚至更長的時間才能讓該團隊確認(rèn)并向AIMS報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不及進行。
Gonzalez表示,“高光譜成像大大提高了我們根據(jù)光譜特性監(jiān)測珊瑚礁狀況的能力。這是因為構(gòu)成珊瑚礁環(huán)境的每一個組成部分——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大與所收集數(shù)據(jù)的豐富性又給團隊帶來了新的挑戰(zhàn)。傳統(tǒng)的AIMS潛水器能夠在運行當(dāng)中收集珊瑚礁上40個不同位點的信息,相比之下單張高光譜圖像就提供超過4000個數(shù)據(jù)點。因此,一架無人機飛行過后就能夠帶來高達數(shù)千GB的原始數(shù)據(jù),其內(nèi)容必須進行處理與分析。在最初處理數(shù)據(jù)時,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)的高性能計算機。但整個過程耗時數(shù)周,期間計算機一直在不斷維持高強度運轉(zhuǎn)。
▲ 澳大利亞大堡礁潘多拉礁拍攝圖
因此,該團隊申請并成功加入贊助性質(zhì)的微軟AI for Earth計劃。此項計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云端提供的AI工具以補充我們的原有工具儲備,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,以往需要花費三到四周才能處理完成的無人機拍攝數(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的時間才能讓該團隊確認(rèn)并向AIMS報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不及進行。
Gonzalez同時補充稱,“由于能夠及早獲知,政府將能夠采取更快的行動以保護珊瑚礁中的瀕危區(qū)域。”
他還強調(diào),高光譜成像的使用目前已經(jīng)成為各個領(lǐng)域中遙感工作層面的高增長方向,具體包括農(nóng)業(yè)、礦物測量、測繪以及水資源定位等等。
舉例來說,他和昆士蘭科技大學(xué)的同事們亦在利用此項技術(shù)監(jiān)測可能受病原體、真菌或者蚜蟲影響的森林、小麥作物以及葡萄園。
與此同時,在接下來的兩個月當(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,他將啟動第二輪無人機飛行掃描。
他總結(jié)道,“我們的目標(biāo)是重返A(chǔ)IMS已經(jīng)進行過變化監(jiān)測研究的四片珊瑚礁,而后將監(jiān)測擴展到新的珊瑚礁區(qū)域。”
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準(zhǔn)測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團隊承諾開源全部代碼,推動技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭議、智能檢索相關(guān)文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學(xué)和政治爭議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(guān)系領(lǐng)域驗證有效性。
清華大學(xué)研究團隊首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團隊通過創(chuàng)新的多智能體強化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會復(fù)雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。