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(jī)與高光譜相機(jī),圖右則為安裝在無人機(jī)上的高光譜相機(jī)(左圖來源/Scott Bainbridge, AIMS; 右圖來源/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達(dá)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(jī)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(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(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較低,而固定翼飛機(jī)及直升機(jī)的成本則太過高昂。
因此,Gonzalez正在嘗試對商用無人機(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)測工作將在距離海岸線15-70公里的水域進(jìn)行。無人機(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4000個(gè)數(shù)據(jù)點(diǎn)。因此,一架無人機(jī)飛行過后就能夠帶來高達(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(xiàng)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(shí),在接下來的兩個(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)行過變化監(jiān)測研究的四片珊瑚礁,而后將監(jiān)測擴(kuò)展到新的珊瑚礁區(qū)域。”
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。