科技行者 5月18日 北京消息:大家應(yīng)該都很清楚,塑料垃圾對于海洋生物一直是種可怕的威脅,然而目前為止,我們依然很難檢測到海洋中的塑料污染狀況。
塑料制品往往色彩多樣,不同尺寸,不同類型,大多數(shù)由多種化學(xué)物質(zhì)制成,更糟糕的是,地球上的海洋區(qū)域廣闊無垠,每年新增的數(shù)百萬噸塑料很快就會四散蔓延,這種“大塑料”會逐漸分解成細(xì)小的塑料塊,難以循跡,給海洋生物造成致命威脅。
而只有確定海洋區(qū)域內(nèi)哪些位置的塑料制品最多,才能制定出有針對性的清潔與污染預(yù)防舉措。
根據(jù)近期《自然通訊(Scientific Reports)》期刊上發(fā)表的最新研究結(jié)果顯示,以機器學(xué)習(xí)為基礎(chǔ)的氣象衛(wèi)星,可以搞定海洋環(huán)境塑料污染的追蹤任務(wù)。
英國普利茅斯海洋實驗室的一支科學(xué)家小組就此進(jìn)行測試,利用經(jīng)過訓(xùn)練的機器學(xué)習(xí)算法分析由歐洲航天局運行的兩顆衛(wèi)星發(fā)回的數(shù)據(jù),從而找出與塑料垃圾相關(guān)的蛛絲馬跡。
▲ 圖:氣象衛(wèi)星的主責(zé),本是立足環(huán)地球軌道,觀察威力強大的雷暴與龍卷風(fēng)。圖片來源/美國航空航天局(NASA)
本次研究中使用的兩顆Sentinel-2衛(wèi)星,均配備有12波段多光譜儀(MSI)傳感器,能夠以10米為基本像素單位,收集海面上的高分辨率圖像。在兩顆衛(wèi)星的協(xié)同努力下,系統(tǒng)每隔2-5天,即可從世界各地的沿海區(qū)域內(nèi)重復(fù)收集數(shù)據(jù)。換句話說,這套系統(tǒng)每個月能夠?qū)Φ厍蛏纤朽徍N恢眠M(jìn)行6-15次全景圖像收集——這可是一大批數(shù)據(jù)!
衛(wèi)星會收集包括光信號在內(nèi)的多種數(shù)據(jù)類型,并根據(jù)對象反射的光信號波長,區(qū)分目標(biāo)的具體材質(zhì)。從原理層面來看,清澈的海水能夠高效吸收近紅外(NIR)到短波紅外(SWIR)光譜范圍內(nèi)的光波,而塑料及天然碎屑等漂浮物則會大量反射近紅外光波。這種光吸收水平層面的差異,也讓衛(wèi)星在理論上獲得了檢測海面漂浮物的能力。
不同漂浮物的近紅外信號也有所區(qū)別。研究人員利用衛(wèi)星數(shù)據(jù),訓(xùn)練出一種機器學(xué)習(xí)算法,成功地從衛(wèi)星捕捉到的光信號數(shù)據(jù)中,識別出漂浮塑料的光信號,進(jìn)而發(fā)現(xiàn)了希臘海岸周邊存在的塑料漂浮區(qū)。研究人員們還利用這類光數(shù)據(jù),教會了算法將某些近紅外光信號與漂浮的塑料碎片關(guān)聯(lián)起來。同樣的,算法也逐步學(xué)會了如何區(qū)分塑料與天然物質(zhì)(例如海藻,浮木,以及泡沫塑料等)。
▲ 圖:衛(wèi)星每2-5天對世界范圍內(nèi)各沿海地區(qū)進(jìn)行重復(fù)拍攝,借此收集大量可用于跟蹤海洋內(nèi)塑料污染狀況的數(shù)據(jù)。
在算法開始運行之后,研究人員開始利用來自全球四大沿海水域的衛(wèi)星數(shù)據(jù)進(jìn)行測試,分別為:阿克拉(加納)、圣克安群島(加拿大)、達(dá)南(越南)以及蘇格蘭(英國)。總體而言,該算法能夠以86%的準(zhǔn)確度識別出塑料污染,該算法在分析圣胡安群島的數(shù)據(jù)時帶來了100%準(zhǔn)確度。
此外,該算法還能根據(jù)衛(wèi)星數(shù)據(jù),定位尺寸≥5毫米的塑料碎片,正是這類“大塑料” 逐漸分解成細(xì)小的塑料塊,給海洋生物造成了致命威脅。上述結(jié)果也表明,將衛(wèi)星數(shù)據(jù)與機器學(xué)習(xí)算法結(jié)合,確實能幫助人類跟蹤并清理全球塑料污染難題。
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(tuán)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(tuán)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(xiàn)、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(tuán)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(dá)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(dá)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(tuán)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。