MIT’s Little Leaf Ai combina ciencia y arte para inspirar el amor por la naturaleza
Un nuevo modelo de IA en MIT está integrando la ciencia, el arte y la tecnología para inspirar conexiones más profundas al mundo natural, lo que demuestra que la IA generada no tiene que ser despiadada.
Desarrollado por MIT Sea Grant, se llama este «nuevo límite de la narración visual» XiaoyeAprenda la abreviatura del sistema biológico biológico marino generando representantes.
De hecho, aprender de los procesos naturales para revelar mejor la belleza oculta y el estado ecológico de los ecosistemas marinos básicos pero amenazantes, como el Golfo de México en Maine, donde se recolectó el conjunto de datos de entrenamiento de Lobstger.
Marcos de codificación y construcción
El proyecto está dirigido por fotógrafos submarinos Codo de KeithArtista invitado en el MIT Sea Grant y alumno de doctorado en Ingeniería Mecánica Andreas Mentzelopoulos.
La construcción de hojas pequeñas requiere esfuerzos para ingresar y salir del agua. La fotografía oceánica es una forma de arte científica desafiante que involucra «inmersiones múltiples, oportunidades perdidas y condiciones impredecibles» para capturar contenido significativo.
Del mismo modo, capacitar a un modelo de difusión para generar la imagen deseada requiere cientos de horas de desarrollo y «ajuste de parámetros» difíciles o controlar el proceso de aprendizaje de Lobstger, por lo que no produce tiburones morados de cinco ojos con alas.
Cómo funciona AI
Las entidades generativas de IA como Dall-E-2 y Midjourney de OpenAI se capacitan a través de procesos de aprendizaje automático que les proporcionan conjuntos de datos de su gran cantidad de imágenes relacionadas.
También se llaman Modelo de difusión Porque «difunden» una imagen dada agregando más y más «ruido» hasta que se extiende en multicolor, no virtual Similar a la televisión estática. El modelo de difusión luego invierte el proceso, eliminando gradualmente el ruido para crear una imagen nueva y deseada, como una imagen de texto basada en información.
Crear conjuntos de datos en la Bahía de Maine
Lobstger fue entrenado en un conjunto de datos compuesto por la fotografía submarina de Ellenbogen, que fue capturada en uno de los ecosistemas más dinámicos del mundo, es decir, es decir, Bahía de Maine. Esta bahía de 36,000 millas cuadradas es variada en geología y biología. Está formado por cuencas profundas, aguas poco profundas y potentes mareas que mezclan agua oceánica del Atlántico Norte con agua dulce que vierte de 60 ríos.
La Bahía de Maine también alberga más de 3.000 aves marinas y animales marinos, desde ballenas, tiburones, focas y medusas, hasta plancton microscópico, formando la base de la cadena alimentaria acuática.
Para que Lobstger sea una herramienta útil para la protección, su conjunto de datos debe tener sentido. Por lo tanto, cada imagen está «hecha con intención artística, precisión técnica, reconocimiento preciso de especies y un entorno geográfico claro».
Para ejemplos de su IA, una de las siguientes imágenes es real y la otra es generada por Lobstger:
Alerta de spoiler: Left Shark es el producto de 30,000 «era» de capacitación o después del pase completo a través del conjunto de datos.
Use la tecnología para ayudar a la naturaleza
¿Crear imágenes artificiales de tiburones inspira directamente a las personas a dejar de tirar y recoger plástico del mar? Probablemente no, pero esta iniciativa hace algo más importante: mejora la capacidad de la IA para analizar, clasificar y revelar cambios en los entornos ecológicos naturales.
Los conjuntos de datos son cruciales, pero no son muy útiles sin la capacidad de obtener información de la información que contienen, lo cual es imposible para los humanos, dada la cantidad de datos recopilados por los conservacionistas.
Sus creadores compararon Lobstger con el advenimiento de las cámaras del siglo XIX. Cuando las cámaras introducen capacidades sin precedentes para registrar y revelar el mundo, la IA puede ayudarlo a hacer lo mismo al comprender los matices complejos, como la claridad del agua, los detalles específicos de la especie y las condiciones cambiantes del flujo de agua bajo las ondas.
Por ejemplo, el modelo de imagen a imagen de Lobstger mejora las siguientes imágenes de langostas americanas:
¿Se aprenden estos matices sobre el lobstger? ¿Han sido blanqueados estos corales? ¿Esta agua se ve más oscura a medida que ciertos contaminantes se filtran en el mar?
Por lo tanto, Lobstger no se crea con el único rango de generación de imágenes de IA. Esto es para mejorar el impacto de la fotografía submarina al mostrar ecosistemas acuáticos con detalles sin precedentes para revelar impactos ecológicos previamente ocultos en todas las escalas.
Probar que la IA puede convertirse en una fuerza permanente
Aunque muchas personas se ríen de la IA porque está llena de contenido suave y reciclado, no es un fracaso de la IA misma, una tecnología científica revolucionaria con innumerables potenciales.
Todo depende de quién lo esté usando, cómo y por qué. En Ecology, AI puede y actualmente es una herramienta única para la documentación, el análisis de datos y la generación de ideas procesables.
Ali Swanson, Director de Ciencias e Innovación Internacional de Natural, recientemente habló sobre Cómo AI ayuda a proteger. A pesar de no participar en Lobstger, Swanson dijo que la IA ayudará a los conservacionistas a «poder mapear y monitorear los cambios y amenazas con mayor precisión y velocidad».
Por lo tanto, las entidades de IA como Lobstger van más allá de la generación de imágenes para construir tipos de conservación futurista: aprenda a analizar conjuntos de datos crecientes y rastrear cambios complejos en la salud de la vida silvestre, las poblaciones y las condiciones acuáticas.
Y no hay necesidad de limitar estos avances al reino oceánico. El proceso de aprendizaje profundo desarrollado aquí se utiliza para monitorear imágenes de cámaras para medir los cambios de salud, diversidad y población de la vida silvestre. Comenzando anteriormente, los datos satelitales observan que los escombros de la Tierra se vuelven más verdes, azules o estériles, y luego selecciona áreas para su reparación.
Gracias al desarrollo de Xiaoye y su AI Alk, estos procesos de aprendizaje se han vuelto más inteligentes y más capaces de Problema de precisión de prevencióncomo la deforestación, o la creación de mapas para recolectar contaminación plástica de los ecosistemas marinos.
En general, se necesitan planes como Lobstger más que nunca. Los ecosistemas están disminuyendo o desapareciendo, y se necesitan mejores enfoques técnicos para analizar enormes conjuntos de datos y planificar las estrategias de conservación más efectivas.
Sobre el autor: Ivan pasa la mayor parte de su tiempo leyendo y escribiendo artículos sobre cosas interesantes. Ivan a menudo cubre la ciencia, la tecnología, la historia, la cultura y, a veces, escribe algo de comedia en Internet.
Las opiniones expresadas en este artículo son simplemente las opiniones del autor.
