Цей штучний інтелект аналізує попіл, щоб з'ясувати причину виверження вулкана

Цей штучний інтелект аналізує попіл, щоб з'ясувати причину виверження вулкана
AlexAntropov86 / Emily Cho
Вчені з Інституту науки про Землю і життя в Токійському технологічному інституті розробили програму штучного інтелекту, яка аналізує частинки вулканічного попелу задля визначення причин виверження.

ASH-ANALYZING AI. Форма частинки вулканічного попелу може допомогти вулканологам визначити тип виверження, який справив його, що може допомогти групам реагування знати, як реагувати після виверження. Але в минулому категоризація золи була трудомісткою, суб'єктивної і залежить від наявності висококваліфікованих експертів.

Тепер вчені з Інституту науки про Землю і життя в Токійському технологічному інституті розробили програму штучного інтелекту (AI), яка аналізує частинки вулканічного попелу для визначення їх форми. Вчені детально викладають свої дослідження в статті, опублікованій в травні в журналі Scientific Reports.

ПІДГОТОВКА ДО CNN. AI команди Токіо - це те, що відомо як сверточное нейронна мережа (CNN), свого роду ШІ, часто використовувана для аналізу зображень. Для навчання дослідники використовували автоматичний аналізатор частинок для генерації тисяч двовимірних зображень частинок золи.

Потім вони вручну класифікували частки на чотири основні форми: блокові, везикулярне, подовжені або закруглені. Деякі частинки були комбінацією форм. Потім вони подавали свої CNN 200 зображень частинок, які акуратно вписувалися в кожну категорію, використовуючи ці зображення, щоб навчити його класифікувати частки на основі певних параметрів (наприклад, округлі частинки повинні мати високий ступінь округлості).

ПЕРЕГЛЯД ТЕСТУВАННЯ. Після тренування команда перевірила свій CNN, використовуючи близько 40 інших зображень кожного типу частинок. Вони виявили, що система була на 92 відсотки успішної для точної категоризації зображення. Для зображень, які він не міг класифікувати, він надав коефіцієнти ймовірності (наприклад, ймовірність 90%, що частка везикулярного і 10% ймовірність, що вона є блокової).

Як і в випадку, система може виявитися корисною в зусиллях по реагуванню на виверження, але дослідники сподіваються модернізувати свій CNN для аналізу додаткових аспектів вулканічного попелу, включаючи його колір і текстуру, забезпечуючи ще більш цінну інформацію про тип виверження зола.

Джерела: Tokyo Institute of TechnologyNature

Автор: Крістін Хаузер
ОСТАННІ КОМЕНТАРІ