Những con mắt từ trên cao giờ đã có thêm bộ não - một kịch bản như phim viễn tưởng đã tới gần?

Những năm 2007 – 2008 dù chưa phải thời kỳ thế giới thừa mứa smartphone như bây giờ nhưng những chiếc điện thoại trang bị camera đã xuất hiện ở khắp mọi nơi, và đó là cảm hứng cho ý tưởng của Steven Spielberg về phim Eagle Eye – Mắt đại bàng. Bộ phim xoay quanh câu chuyện về một siêu máy tính đã sử dụng dữ liệu hình ảnh từ các camera kỹ thuật số để khống chế và điều khiển những con người thực ở ngoài đời.

Trong khi ở vào thời điểm ra mắt, siêu máy tính với năng lực không tưởng như vậy đã giúp bộ phim xếp vào hạng khoa học viễn tưởng, nhưng hiện tại, công nghệ đã giúp tạo ra một cỗ máy với các năng lực gần với bộ phim trên. Tất nhiên để phục vụ cho mục đích tốt đẹp hơn: giúp các nhà bảo hiểm và các tổ chức nhân đạo hỗ trợ người dân ở vùng bị thiên tai.

Ai từng dùng Google Earth để du lịch tại chỗ quanh thế giới đều biết các vệ tinh có thể chụp những hình ảnh dưới mặt đất chi tiết như thế nào. “Thách thức là làm thế nào bạn chuyển đổi tất cả các pixel đó thành thông tin có ý nghĩa?” Shay Har-Noy, phó chủ tịch và tổng giám đốc về nền tảng của nhà cung cấp hình ảnh vệ tinh DigitalGlobe cho biết. Và đó chính xác là những gì công ty tại Colorado này đang làm.

Một nền tảng trí tuệ nhân tạo

DigitalGlobe thu thập khoảng 73 Terabyte hình ảnh vệ tinh mỗi ngày, để bổ sung vào kho dữ liệu các hình ảnh trên thế giới từ 16 năm nay của công ty. Họ đã phát triển một nền tảng “dữ liệu lớn về không gian địa lý” mà họ gọi là GBDX để huấn luyện máy tính tự động phát hiện các đối tượng có liên quan trong những hình ảnh vệ tinh này.

Sử dụng học sâu (deep learning), một kỹ thuật cho phép khai thác các bộ dữ liệu lớn để phát triển những cấu trúc toán học đa lớp nhằm phân loại hình ảnh, âm thanh hay văn bản, hệ thống đám mây của DigitalGlobe có thể chọn ra chính xác và phân tích những điểm cần quan tâm trong hình ảnh mà không cần sự can thiệp của con người.

Điều này cho phép công ty tiếp cận những khách hàng mới, những người quan tâm đến việc truy cập vào dữ liệu đã được cấu trúc về không gian địa lý với các công cụ như Excel, nhưng không muốn phải sàng lọc thủ công các bộ dữ liệu lớn bằng hình ảnh thô. Người dùng tiềm năng của nền tảng này sẽ là các nhà bảo hiểm và các nhà đầu tư đang tìm kiếm những mô hình phát triển bất động sản, để hỗ trợ các tổ chức cứu trợ nhằm phục vụ người dân trong khu vực xa xôi trên trái đất.

Dựa vào nền tảng GBDX, PoolNet có thể xác định được những ngôi nhà có bể bơi, và tự động đóng khung nó trong đường kẻ màu hồng.

Nền tảng GBDX dựa trên đám mây Amazon Web Services để lưu trữ bộ sưu tập dữ liệu khổng lồ của DigitalGlobe – công ty cũng là một trong những người đầu tiên sử dụng dịch vụ dùng xe vận tải để vận chuyển khối lượng lớn dữ liệu Snowmobile của Amazon. Nền tảng này cho phép các nhà phát triển xử lý dữ liệu hình ảnh với các thuật toán máy học của DigitalGlobe hay của riêng họ.

Những chiến tích của nền tảng dữ liệu này

Nền tảng này được sử dụng để xử lý dữ liệu trong các đợt thảm họa tự nhiên. Sau khi cơn bão Matthew tấn công Haiti và nam nước Mỹ mùa thu năm ngoái, DigitalGlobe đã phát hiện những khu vực bao phủ bởi hơi nước từ trước và sau cơn bão, và kết hợp những khu vực đó với dữ liệu nguồn mở từ OpenStreetMap để xác định những đường giao thông và các tòa nhà sẽ bị ngập hoặc có nguy cơ cao trong những trận lũ lụt.

DigitalGlobe cũng duy trì một mạng lưới crowdsourcing với những người có thể nhanh chóng gắn nhãn cho các hình ảnh sau khi có một thảm họa xảy ra, cho phép nhân viên cứu trợ biết được cần tìm các tòa nhà bị hư hại và những người cần trợ giúp ở đâu. Kỹ thuật này đã giúp công ty cung cấp hướng dẫn cho những người phản ứng đầu tiên và các tổ chức phi lợi nhuận sau động đất ở Nepal vào năm 2015.

Những hình ảnh được cộng đồng xác nhận là khu vực bị thiệt hại trong trận động đất ở Nepal 2015.

“Chúng tôi là công ty đầu tiên chụp được hình ảnh ở Kathmandu, với những thiệt hại khổng lồ.” Ông Har-Noy cho biết. “Những gì chúng tôi có thể làm là chụp lại hình ảnh, xử lý nó bằng các phát hiện của đám đông để tìm ra những đống đổ nát, các tòa nhà bị phá hủy, …. Và chúng tôi giúp các hàng loạt các NGOs đang có mặt ở hiện trường, tiếp cận với dữ liệu đó dễ dàng hơn.”

Sự trợ giúp từ đám đông cũng giúp đào tạo và thử nghiệm các thuật toán máy học, khi những người hỗ trợ trên khắp thế giới có thể được trả tiền để giúp nhanh chóng gắn nhãn cho các hình ảnh vệ tinh hoặc xác nhận các nhãn được gắn bởi máy tính.

Câu hỏi về tính riêng tư

Và trong khi cả cộng đồng và máy tính tự động cho phép DigitalGlobe và khách hàng của mình trích xuất nhiều chi tiết hơn từ các hình ảnh vệ tinh, Har-Noy cho biết công ty đã thực hiện nhiều biện pháp để bảo vệ cho tính riêng tư và sự an toàn của mọi người. Theo quy định của bộ Thuơng mại Mỹ, hình ảnh người sẽ không thể nhận ra được ở mức độ chi tiết của các hình ảnh mà công ty công bố. Ngoài ra, DigitalGlobe cũng không công bố các hình ảnh về những khu vực hoạt động quân sự của Mỹ.

Hình ảnh chiếc tàu sân bay bị vệ tinh chụp được.

“Chúng tôi rất coi trọng tính riêng tư với thông tin mà chúng tôi phát hành, chúng tôi làm chúng có thể truy cập được, và cũng có thể rút lại được.” Har-Noy cho biết.

Tuy nhiên, theo Jay Stanley, nhà phân tích tại American Civil Liberty Union, thành công rõ rệt của máy học khi hiểu được những hình ảnh vệ tinh đặt ra câu hỏi về việc xử lý tự động các hình ảnh độ phân giải cao, như ảnh chụp từ trên không, sẽ ảnh huởng như thế nào đến tính riêng tư trong tương lai.

“Đây là một phần của một xu hướng lớn hơn, khi các kỹ thuật máy học và trí tuệ nhân tạo nói chung đang cho phép việc giám sát diễn ra trên quy mô lớn, mà lại ít tốn kém do không đòi hỏi sự chú ý của con người.” Ông cho biết.

Theo ông Stanley, vào năm ngoái, chương trình giám sát dựa trên máy bay gây tranh cãi được triển khai Baltimore, Mỹ và các khinh khí cầu gắn camera được sử dụng trong Olympic mùa hè ở Rio de Janeiro dường như cho thấy việc này đang trở nên phổ biến hơn, các nhà lập pháp và công chúng sẽ phải quyết định những giới hạn thích hợp cho việc cách công nghệ được sử dụng và dữ liệu được xử lý tự động.

Theo Fastcompany