Artificial Intelligence Technologies

Quatre technologies d’intelligence artificielle intéressantes

Lockheed Martin se développe pour trouver des incendies de forêt, des glaciers, des avions, des navires, des voitures bleues et plus encore

L’intelligence artificielle ne concerne pas les robots qui prennent le relais, mais l’utilisation efficace et efficiente de vastes quantités de données disponibles pour résoudre les problèmes en temps opportun.

La vérité est que, dans la société d’aujourd’hui, la quantité de données d’intelligence géospatiale (GEO INT) qui sont collectées chaque jour dans le monde – à partir de caméras, de capteurs et de satellites – est stupéfiante. C’est littéralement plus que ce que les humains peuvent physiquement classer, traiter et tenter de comprendre – sans parler de cela lorsque des décisions rapides sont nécessaires.

Pour résoudre cet énorme problème de traitement des données, Lockheed Martin utilise chaque jour des outils de transformation numérique tels que l’intelligence artificielle et l’apprentissage automatique (IA/ML). En utilisant l’IA, nous pouvons nous assurer que nos clients ont toujours la meilleure connaissance de la situation et des renseignements exploitables pour mener à bien des missions critiques afin de protéger notre nation et nos alliés.

Voici un aperçu de quatre technologies AI/ML passionnantes que Lockheed Martin développe pour tirer parti de la quantité croissante de données GEO INT dans le monde.

Trouvez et combattez les incendies plus rapidement

Les mois d’été secs et le réchauffement climatique ne rendent pas service à nos courageux pompiers. Selon le National Interagency Fire Center, les incendies de forêt ont brûlé 2 990 255 acres cette année (17 juin).

En plus des défis auxquels sont confrontés les pompiers, en utilisant les ressources actuelles, il faut souvent des heures pour cartographier le périmètre et les points chauds d’un feu de forêt en pleine croissance. Il faut parfois des jours pour utiliser les données sur les propriétés du combustible – généralement 3 à 5 ans – pour aider à prédire le comportement du feu. Le temps ne joue pas en leur faveur et la situation sur le terrain change constamment.

Lockheed Martin utilise l’IA/ML pour fournir plus rapidement des données critiques aux pompiers. La société développe Cognitive Mission Manager, une suite de services de commandement et de contrôle conçus pour utiliser l’IA/ML pour fournir des renseignements opportuns, précis et exploitables aux commandants et aux opérateurs sur le terrain afin de permettre une réponse rapide et une suppression des incendies. Le système utilise des images spatiales disponibles dans le commerce et des données de capteurs locaux pour générer des simulations qui fournissent une image plus précise et actuelle d’une situation d’incendie de forêt et pour prédire la croissance des incendies de forêt.

“L’IA nous permet de réduire les temps de cycle de collecte de données et de fournir des données plus précises et opportunes de manière exploitable aux pompiers. Grâce à l’IA, nous pouvons fournir une cartographie précise des incendies en quelques minutes par rapport aux heures et des prévisions de la vitesse de propagation et de la direction d’un incendie en heures par rapport aux jours », a déclaré Dan Lordan, directeur principal du centre d’IA chez Lockheed Martin.

Vous aider à trouver votre réservoir, votre voiture… et votre glace ?

Que vous recherchiez des chars sur un champ de bataille, des voitures bleues ou tous les glaciers de Philadelphie, trouver des choses dans le volume croissant de données d’aujourd’hui et dans l’environnement de données GEO INT multi-sources est un défi. Surtout si vous avez besoin de ces données pour prendre des décisions critiques plus rapidement.

Le produit Cognitive Tip & Cue de Lockheed Martin résout les lacunes de la gestion et de l’orchestration manuelle intensive de la collecte de données à l’aide d’algorithmes AI/ML pour résoudre ce problème. Il commence par alimenter le système avec un simple relevé de besoins en anglais.

“Nous pouvons prendre une phrase comme” J’ai besoin de savoir où se trouvent tous les glaciers de Philadelphie “et les composants cognitifs du système décomposent cette déclaration en informations de ciblage et de stratégie pour rechercher les données de toutes nos sources de données”, a déclaré Jacob Carroll, ingénieur, Senior Research AI/ML chez Lockheed Martin. « En utilisant les techniques AI/ML, Cog Tip et Cue peuvent fonctionner de manière autonome à la vitesse de la machine et produire des informations exploitables en quelques secondes.

Et comme il s’agit d’un modèle d’apprentissage automatique, le système peut apprendre et évoluer.

“Nous pouvons modifier les paramètres ou les modularités de chaque recherche pour produire de nouvelles informations, et lorsque le système rencontre de nouvelles situations, il peut s’adapter aux changements beaucoup plus rapidement qu’un humain”, a ajouté Carroll.

Détecter plus rapidement les données modifiées

Les utilisateurs des données de renseignement GEO INT sont souvent intéressés par la détection de changements dans les zones qu’ils surveillent. Ils peuvent vouloir savoir si un navire est parti ou est arrivé dans le trafic portuaire. Les bâtiments s’étendent-ils dans un étalement urbain? Des routes ou des infrastructures ont-elles été endommagées après une catastrophe naturelle ?

Lockheed Martin a développé des outils AI/ML qui fournissent une détection des changements au niveau de l’objet et au niveau des pixels à l’aide d’images satellites de séries chronologiques pour fournir une détection rapide et automatisée des changements. Formés sur des données réelles, les algorithmes exécutés dans l’outil permettent l’évaluation et l’inférence pour les utilisateurs finaux.

“Dans le cas du développement urbain, des techniques d’apprentissage en profondeur peuvent être utilisées pour montrer comment l’imagerie satellitaire dans le temps peut être surveillée pour les zones d’urbanisation rapide”, a expliqué Dom LeDuc, ingénieur en traitement d’images chez Lockheed Martin. “Les algorithmes de post-traitement peuvent fournir une détection des changements au niveau de l’objet en spécifiant l’emplacement et l’heure à laquelle les nouveaux bâtiments ont été construits.”

Avec suffisamment d’entrées de données au niveau des pixels pour l’étiquetage, l’IA peut en fait apprendre à identifier et à reconnaître des objets – tels que des types d’avions et de navires ou des dommages à l’infrastructure après des tempêtes – dans les zones que vous surveillez.

“Les données au niveau des pixels peuvent être ingérées par nos algorithmes d’IA pour fournir les dimensions ou le type de propulsion de l’avion, ainsi que des types d’avions, de navires et de bâtiments différenciés”, a ajouté Dagen Braun, ingénieur IA/ML chez Lockheed Martin. “Cela permet à un analyste de terrain d’acquérir rapidement une meilleure compréhension de la situation et de suggérer en toute confiance un plan d’action.”

La vérité est que l’IA ne sait pas ce qu’elle recherche jusqu’à ce que quelqu’un – un humain – lui enseigne ce qu’il faut rechercher. Mais enseigner l’IA peut être un travail fastidieux. Et enseigner l’IA prend des gens.

Ces personnes importantes passent d’innombrables heures à “étiqueter” des données réelles qui sont transmises à un système d’IA jusqu’à ce qu’il “reconnaît” un élément de recherche par lui-même. Par exemple, si vous souhaitez que l’IA identifie une “voiture brune” à chaque fois qu’elle apparaît dans l’imagerie satellite, un étiqueteur peut avoir besoin d’introduire l’IA dans des milliers d’images de “voiture brune”. Au fil des heures, le risque est que l’étiqueteuse devienne moins engagée et plus sujette aux erreurs ou à l’épuisement professionnel.

Pour résoudre ce problème, Lockheed Martin a créé TruthTrail, un prototype d’application de gamification construit à partir d’un moteur de jeu qui propose un environnement simulé qui « récompense » les étiqueteurs pour leur travail. Semblables à diverses applications de santé de comptage de pas utilisées par des millions de personnes chaque jour, les étiqueteurs réalisent différentes «réalisations» en introduisant plus d’images dans les systèmes d’IA.

“Nous avons vu d’autres industries utiliser la gamification pour continuer à motiver les gens à” passer au niveau supérieur “. Avec TruthTrail, nous appliquons des outils similaires pour aider à garder nos employés d’étiquetage plus engagés », a expliqué Ainoghena « AI » Igetei, ingénieur logiciel chez Lockheed Martin.

Sur le backend, TruthTrail vise à capturer et à exploiter les données sur la façon dont les étiqueteurs réagissent et résolvent les problèmes. Cela permet de concevoir, découvrir et tester de nouvelles idées et architectures pour répondre aux futurs besoins des clients, en particulier pour l’intelligence artificielle.

Leave a Comment

Your email address will not be published.