Příspěvek hosta od Emily Folk
Bezpochyby drony vzaly spotřebitelský trh útokem. Jsou oblíbenou hračkou každého inženýra v důchodu a zvědavého dítěte. Dopad dronů na komerční prostředí se však teprve začíná projevovat. Drony jsou bohatým zdrojem produktivity a dat, od inspekce infrastruktury, průzkumu místa a doručování domů až po zemědělské a výrobní implikace.
Strojové učení vynese stávající drony do ještě větších výšin. Jsou to již velmi užitečné nástroje pro pozorování našeho okolí, ale strojové učení znamená, že drony mohou kromě pouhého pohledu na své prostředí vnímat a interpretovat své okolí. Zde jsou tři hlavní způsoby, jak již umožňuje změnu.
1. Zlepšení rozpoznávání vzorů pro automatizované kontroly
Fyzické struktury, jako jsou mosty a větrné turbíny, jsou složité a impozantní. Doposud to vyžadovalo velké týmy vysoce vyškolených inženýrů, kteří kontrolovali každou součást a instalaci, aby byla národní infrastruktura v dobrém stavu. Ale vyšší náklady a nesprávné politické stanovení priorit přinesly stále horší návratnost našich veřejných investic.
Strojové učení dává dronům schopnost rozpoznávat vzory. S naprogramováním a správnými kamerami a senzorovým vybavením mohou bezpečně, efektivně a dokonce automaticky poskytovat průběžné a podrobné kontroly velkých stavebních a infrastrukturních projektů.
V malém měřítku tato technologie poskytuje trénované modely, které lze použít k mnohem rychlejšímu a přesnějšímu nalezení defektů produktů a posouzení uniformity a zároveň pozvednout stávající pracovníky kontroly kvality na kognitivně náročnější a lépe placené práce. Tento vývoj často přichází bez toho, aby společnosti upustily od jakýchkoli zaměstnanců. Stejné technologické základy se snadno přizpůsobí velikosti řešení nedostatku národní infrastruktury.
2. Optimalizace a plánování činností na staveništi
Vedoucí stavby až příliš dobře vědí, že nemohou mít oči všude a najednou. A přesto se všude na místě odehrávají desítky pracných a často riskantních činností, od lití základů po zvedání zdí a přetváření půdy.
Automatizované nebo dálkově ovládané letecké drony mají mít v prostředích, jako jsou tato, obrovský dopad. Pomocí strojového učení a trénovaných modelů by stavební drony mohly sledovat veškeré dění na staveništi. Budou schopni „porozumět“, jak se web denně a v průběhu projektu mění, poskytovat odhady nákladů a časové osy a pomáhat optimalizovat pořadí a způsob plnění úkolů.
Podle McKinsey’s „Imagining Construction’s Digital Future“ musí národy světa do roku 2030 společně utratit přibližně 57 bilionů dolarů za svou infrastrukturu, aby udržely krok s celosvětovým růstem HDP. Stejná zpráva předpovídá, že pokročilé mapování, geolokace a další technologie spojené s drony „dramaticky zlepší [] přesnost a rychlost" těchto mnoha nezbytných stavebních projektů.
Vzhledem k tomu, že drony přebírají více rolí, které obvykle berou manažeři stavenišť, je spravedlivé očekávat, že podobnou přítomnost dronů uvidíme v městském plánování. Nasazení dronů k inteligentnímu studiu vzorů vozidel a chodců a vytváření doporučení pro uspořádání a dopravní proud je téměř jistě hned za rohem.
3. Předvídání a zabránění pytláctví a jiné trestné činnosti
Některá města v USA již zakázala nebo zvažují zákaz používání rozpoznávání obličeje a dalších technologií komunitou činných v trestním řízení. Podle aktivistů by se měla zvážit podobná pravidla na federální úrovni. Pokročilé technologie však mají co nabídnout, pokud jde o předpovídání kriminálního chování – alespoň za určitých okolností.
Jako ukázkový příklad lze uvést, že Lindbergh Foundation a společnost zabývající se technologií dronů s názvem Neurala mají trvalé partnerství v boji proti pytláctví slonů v Africe. Neurala tvrdí, že její software, který je poháněn strojovým učením, dokáže zpracovat za 20 minut stejné množství záběrů z dohledu, které by trvalo dny nebo hodiny s technologií předchozí generace.
V boji proti pytláctví to znamená, že tito „pastevci vzduchu“ mohou automaticky hlídkovat obrovské množství přírodní krajiny s velmi malým vedením a rozpoznat pytlácké aktivity dříve, než se problémové prvky dostanou do útočišť pro divokou zvěř. A i když na obrázku nejsou žádní zločinci, tato úroveň inteligence je užitečná pro hledání a předpovídání pohybu populací chráněných zvířat nebo těch s výzkumným potenciálem.
Strojové učení a drony:Důsledná shoda
Toto je jen krátký pohled na některé způsoby, jak strojové učení dělá komerční drony užitečnějšími, pozornějšími, produktivnějšími a ještě proaktivnějšími. Časem můžeme očekávat, že jak drony, tak strojové učení budou mít zastoupení téměř ve všech koutech veřejné i soukromé sféry a přinesou ještě působivější výsledky s pokrokem technologie.
Životopis autora:
Emily je autorkou zelených technologií, která se zabývá tématy v oblasti obnovitelné energie a udržitelného designu. Více o její práci si můžete přečíst na jejím blogu Conservation Folks.