Saltar al contenido

Juega a Spot-a-circulo con la NGA, ¡que te paguen!

21 de octubre de 2020

La mejor experiencia auditiva es en Chrome, Firefox o Safari. Suscríbete a las entrevistas de audio diarias de Federal Drive en los Podcasts de Apple o PodcastOne.

La Agencia Nacional de Inteligencia Geoespacial está tratando de ver círculos. Es decir, quiere que los satélites tengan la capacidad de identificar círculos. Si crees que eso suena fácil, te estás perdiendo un gran desafío para la inteligencia artificial en el mundo geoespacial. Con detalles de la competencia de desafíos y por qué es importante, el oficial de integración de capacidades GEOINT de la NGA, Jack Brandy, se unió Federal Drive con Tom Temin.

Tom Temin: Sr. Brandy, me alegro de tenerle aquí.

Jack Brandy: Es genial estar en el aire. Gracias por invitarnos.

Tom Temin: Así que estás tratando de llegar a la comunidad científica, supongo, una comunidad académica para hacer qué exactamente?

Jack Brandy: Esa es una muy buena pregunta. Así que en realidad, lo que estamos tratando de apuntar son algunas técnicas muy inteligentes para encontrar características de forma circular en las imágenes de satélite. Y los rasgos de forma circular pueden cubrir casi cualquier tipo de objeto, desde hibbett, áreas agrícolas hasta tanques de almacenamiento de petróleo. Así que estamos tratando de encontrar una forma muy inteligente de encontrar un algoritmo que pueda encontrar todo tipo de estas características.

Tom Temin: Supongo que haré una analogía con la robótica, porque los robots son capaces de hacer una cosa simple muy rápido, un millón de veces, lo que la gente no es, pero realmente tienen dificultades para caminar, lo que la gente encuentra fácil. Así que el ojo humano puede ver un círculo, no hay problema, pero aparentemente los globos oculares en el espacio que son electrónicos, no pueden.

Jack Brandy: Ciertamente puede ser un reto en cualquier tipo de algoritmo de procesamiento encontrar ese tipo de rasgos de forma circular. Pero más importante para nosotros, una de las dificultades con cualquier tipo de visión por ordenador o IA es que hay que tener un gran volumen de datos para entrenar un algoritmo para encontrar esos objetos en particular. Así que pensamos que sería más interesante dar la vuelta al guión y decir que en lugar de intentar encontrar toneladas y toneladas de ejemplos de un objeto, encontremos una forma que represente muchos, muchos tipos diferentes de objetos.

Recomendado:  Reconocimiento de rostros mediante la Inteligencia Artificial

Tom Temin: Entonces, ¿el objetivo aquí no es tanto encontrar círculos, sino aprender cómo la inteligencia artificial puede ayudar a la visión computarizada para cualquier problema que pueda surgir en el futuro?

Jack Brandy: Exactamente. Así que realmente el objetivo es tratar de encontrar algo que sea un poco más general que pueda ser usado en una especie de tubería de procesamiento más compleja. Así que empezamos con algo, digamos encontrar círculos. Y en la Marina, el siguiente paso en el procesamiento es un algoritmo que identifica una forma específica de nuestros objetos del Pacífico. Así que tal vez identifica las áreas de agricultura para los tanques de almacenamiento, después de que hemos identificado que es circular.

Tom Temin: Claro, así que estás usando círculos como banco de pruebas para esto porque son más numerosos en el suelo que los triángulos.

Jack Brandy: Exactamente. Son más numerosos. Pero lo más importante es que los triángulos y los cuadrados tienden a ser formas, son como formas compuestas, lo llamaré. Así que si tomamos un ejemplo de un edificio muy grande, estará compuesto de muchos, muchos tipos diferentes de triángulos y cuadrados que construyen esa característica. Los objetos de forma circular, sin embargo, tienden a ser sólo eso, son sólo un círculo. Así que sentimos que sería un buen comienzo para este tipo de desafío.

Tom Temin: Bien, ¿y cómo se estructura este desafío? Quiero decir, ¿quién esperas que participe en esto? ¿Y qué tendrían que hacer para darte una entrada creíble aquí?

Jack Brandy: Está abierto al público. Así que cualquiera puede participar. Y tenemos todos los detalles de elegibilidad y participación en challenge.gov. En realidad, todo se reduce a que mientras haya suficientes entidades federales pagadas por el gobierno federal para este tipo de trabajo, sólo tienes que registrarte en el sitio, y listo. Y para las personas que participan, lo que realmente esperamos es que presenten dos cosas. Una, por supuesto, es un algoritmo que básicamente puede producir lo que llamamos un archivo de forma que tiene todos los círculos en las imágenes de prueba. Y luego el siguiente tipo de entrega es un documento que simplemente describe el enfoque que tomaron.

Recomendado:  Cómo la tecnología de imágenes oculares podría ayudar a los robots y automóviles a ver mejor

Tom Temin: ¿Y está suministrando a los concursantes una imagen de muestra o un conjunto de imágenes para trabajar?

Jack Brandy: Sí, estamos proporcionando, como parte de este desafío un conjunto de unos 20.000 ejemplos para que la gente pueda utilizarlo para entrenar su algoritmo, probarlo, y luego usar el resto para evaluar soluciones.

Tom Temin: Y con los satélites, teniendo la capacidad de determinar lo que es un círculo a través de la inteligencia artificial – ¿cómo beneficiará ese tipo de capacidad a la NGA y a los oficiales de inteligencia y supongo que al campo geoespacial en general, porque a partir de las imágenes satelitales ahora, los humanos pueden identificar fácilmente los círculos?

Jack Brandy: Así que en realidad, en la Agencia Nacional de Inteligencia Geoespacial, por supuesto, todo en la tierra puede ser medido en el espacio y el tiempo. Y la información se obtiene normalmente a partir de un cuidadoso análisis de imágenes de satélite. Y un ejemplo muy simple, puedes imaginar que este es un juego del mundo real de encontrar la diferencia entre dos imágenes. Sin embargo, no hay una hoja de respuestas para comprobar. Y muchas veces esos detalles son increíblemente exactos. Cuando apoyamos a los equipos de primera respuesta hay desastres naturales o servicios militares que están en operaciones o incluso los líderes de la nación y tomando decisiones clave – el tiempo, la precisión de este análisis de imágenes es crucial. Así que lo que esperamos es que con la ayuda de la IA, podamos acelerar el tiempo de la imagen a la decisión.

Tom Temin: Porque puedo imaginar una situación en la que estás examinando imágenes o los satélites están recogiendo imágenes cuando sería importante saber, no sólo hay un círculo, sino que ese círculo es la apertura de un silo de misiles? ¿Es un tanque de almacenamiento, como mencionó? ¿O es un círculo de cultivo o algo totalmente distinto?

Jack Brandy: Exactamente. Así que identificar, no sólo los círculos, ayuda a nuestros analistas que podrían estar interesados en los círculos de cierta forma o tamaño, y les ayuda a concentrarse en esas características para decir, bien, ¿es esto algo importante? ¿Hay algo que necesite hacer extra para esta forma en particular?

Recomendado:  Razonamiento Neural Relacional Dinámico para Sistemas Interactivos - El Blog de Investigación de Inteligencia Artificial de Berkeley

Tom Temin: Porque si estuviera pensando, por ejemplo, en Corea del Norte, y supiera que tiene esta capacidad, pondría el bonito silo redondo de misiles, le daría la misma forma que un círculo de cultivo, plantaría 50 círculos de cultivo y lo pondría en la posición A7.

Jack Brandy: Esa sería ciertamente una forma inteligente de hacerlo.

Tom Temin: El punto es, ¿buscas la capacidad de ir más lejos en círculos y decir, bueno, este círculo se parece más a esta cosa? Porque es perfectamente liso alrededor de los bordes, y ese tiene un par de partes dentadas. Así que por lo tanto, puede que no sea algo que nos importe.

Jack Brandy: No, creemos que realmente, ahí es donde nuestros analistas humanos son más adecuados. Tienen la experiencia y el conocimiento para tomar ese tipo de determinación. Creemos que el algoritmo debería ayudar a los analistas a acercarse a esas áreas en particular. Pero no nos preocupa que el algoritmo resuelva todas las preguntas.

Tom Temin: Sí. Así que realmente una aplicación clásica de la inteligencia artificial para impulsar la productividad humana. Muy bien, ¿y cuáles son los parámetros aquí? ¿Cuándo se deben hacer las cosas? ¿Cuándo se harán los premios? ¿Y cuánto puede recibir el premiado y qué pasa después de que los ganadores sean elegidos?

Jack Brandy: Así que deberíamos terminar el desafío esperando las presentaciones para el 3 de noviembre. Así que es un cambio un poco rápido. Es una bolsa de 50.000 dólares, dividida en cinco premios, así que primero, segundo, tercero, cuarto y quinto. El primer lugar es, creo, de 20.000 dólares. Y debemos esperar realmente sobre el 5 de noviembre, la solución ganadora a ser identificada.

Tom Temin: Jack Brandy es el oficial de integración de capacidades GEOINT en la Agencia Nacional de Inteligencia Geoespacial. Muchas gracias por acompañarme.

Jack Brandy: Gracias por recibirnos.