O Big Data está ficando tão grande que está escorregando as ligações da Terra.
Uma startup chamada Orbital Insight, que recentemente arrecadou quase US $ 9 milhões em financiamento, está usando imagens de satélite e técnicas de computação de ponta para estimar o excedente mundial de petróleo, prever déficits de safra antes da colheita e detectar tendências no varejo, acompanhando o número de carros grandes estacionamentos. Também deve ser possível treinar o software para detectar precocemente o desmatamento ilegal e monitorar melhor as mudanças climáticas.
A empresa usa técnicas de aprendizado de máquina e redes de computação que imitam o cérebro humano para identificar padrões em grandes quantidades de dados visuais. O Facebook usa técnicas semelhantes para reconhecer rostos nas imagens enviadas e marcar automaticamente você e seus amigos. Mas em vez de procurar rostos, a Orbital Insight está aproveitando a crescente abundância de imagens de satélite, graças ao aumento de satélites pequenos e de baixo custo, e ensinando suas redes a reconhecer automaticamente coisas como veículos, a taxa de construção na China e as sombras projetadas por recipientes de óleo de tampa flutuante, que mudam dependendo de quão cheios eles estão.
Seria impossível, é claro, que os humanos filtrassem imagens de satélite globais regularmente atualizadas. Mas com computadores massivamente paralelos e técnicas avançadas de reconhecimento de padrões, o Orbital Insight tem como objetivo fornecer tipos de dados que não estavam disponíveis antes. As atuais estimativas globais de petróleo, por exemplo, já têm seis semanas quando são publicadas. Com Orbital, a análise dos rendimentos das safras pode ser entregue no meio da temporada - informações importantes a serem obtidas, seja um alto funcionário das Nações Unidas tentando superar uma crise alimentar ou um comerciante de commodities trabalhando para um fundo de hedge.
O Orbital Insight não existe há muito tempo - foi fundado no final de 2013 e só saiu do “modo stealth” no final do ano passado. Mas o fundador da empresa, James Crawford, tem muita experiência em campos compatíveis. Ex-chefe de autonomia e robótica do Ames Research Center da NASA, ele também passou dois anos como diretor de engenharia no Google Books, transformando as páginas impressas arquivadas em texto pesquisável.
Várias empresas, como Spire e Inmarsat, e até Elon Musk, da Tesla, estão trabalhando em hardware - projetando e lançando novas redes de satélites -, mas Crawford diz que a Orbital Insight está se concentrando apenas em software.
“De certa forma, vejo o que estamos fazendo aqui no ímpeto dessa empresa”, diz Crawford, “está aprendendo muito [no Google] sobre como fazer grandes volumes de dados, como aplicar [inteligência artificial], como aplicar o aprendizado de máquina a esses pipelines de imagens e aplicá-lo ao espaço do satélite. "
A empresa de Crawford pode ser uma das poucas que trabalham com o uso de técnicas emergentes de software, como redes neurais artificiais e aprendizado de máquina para analisar satélites imagens. Mas a técnica que ele está usando, também conhecida como deep learning, está explodindo no espaço da tecnologia no momento. Empresas estabelecidas como Facebook, Google e Microsoft estão usando técnicas de aprendizado profundo para coisas como marcação automática de imagens e melhor reconhecimento de fala e tradução. A IBM também adquiriu recentemente uma empresa de aprendizagem profunda, chamada AlchemyAPI, para aprimorar seu sistema de computadores Watson.
Com o aprendizado profundo, computadores poderosos e múltiplas camadas de reconhecimento de padrões simultâneos (daí o "profundo" no aprendizado profundo) imitam as redes neurais do cérebro humano. O objetivo é fazer um computador “aprender” a reconhecer padrões ou executar tarefas que seriam muito complexas e demoradas para “ensinar” usando o software tradicional.
Marcando manualmente carros em algumas centenas de estacionamentos e alimentando os dados na rede de computadores, o software pode aprender como é um carro e, posteriormente, contá-los em milhares de outras imagens. (Insight Orbital, imagens de satélite: DigitalGlobe) Os detalhes da aprendizagem profunda são técnicos, mas no nível básico, é surpreendentemente simples. Quando se trata de medir as tendências do varejo com a atividade de estacionamento, Crawford diz que a empresa primeiro tem funcionários marcando carros manualmente em algumas centenas de estacionamentos com pontos vermelhos. “Então, você alimenta cada carro individual na rede neural e generaliza os padrões de luz e escuridão, o padrão de pixels de um carro”, diz Crawford. “E quando [o computador] olha para uma nova imagem, o que ela está fazendo essencialmente é bastante sofisticado, mas ainda assim basicamente uma combinação de padrões”.
Ao estimar a atividade de varejo, Crawford diz que sua empresa é muito melhor em inferir como uma cadeia está fazendo em nível nacional, medindo como os estacionamentos cheios são ao longo do tempo e comparando com o tamanho dos mesmos lotes em trimestres anteriores usando imagens antigas. do que avaliar a saúde de uma loja individual.
Ele admite que muitos varejistas já têm maneiras de rastrear esses dados para suas próprias lojas, mas ficariam felizes em saber como seus concorrentes estão trabalhando meses antes dos resultados financeiros serem divulgados. O mesmo aconteceria com os fundos de hedge, que, segundo Crawford, são alguns dos primeiros clientes da empresa. É fácil ver como esse tipo de dados pode dar uma vantagem aos investidores. As imagens de satélite já estão disponíveis e o Orbital Insight está apenas analisando-as, portanto, é improvável que acenda quaisquer preocupações com informações privilegiadas.
Se a rede cometer um erro ocasional, digamos, confundir uma lixeira com um carro, não é um grande problema, explica Crawford, porque os erros tendem a se anular mutuamente em larga escala. Para coisas como as estimativas de petróleo, mesmo se eles estão fora por vários pontos percentuais, ainda é melhor do que esperar até seis semanas para dados mais concretos.
Embora a startup pareça focada em fornecer dados para os investidores do mercado primeiro, o que a empresa faz também poderia ser usado para usos mais altruístas. “Estamos curiosos no futuro sobre usar isso para detectar o desmatamento e detectar coisas como a construção de estradas que poderiam ser um precursor do desmatamento”, diz Crawford. "Há também coisas realmente interessantes que podem ser feitas em torno de olhar para o pacote de neve, água e outros aspectos para a mudança climática." Ele também diz que estão olhando para a agricultura do terceiro mundo, e diz que imagens multi-espectrais são uma boa maneira de dizer quão saudáveis são as plantas, para prever falhas nas colheitas.
Naturalmente, qualquer aspecto do Big Data que também incorpore imagens de satélite traz problemas de privacidade. Mas o Orbital Insight não está tirando as fotos, elas estão acessando e analisando imagens que já estão disponíveis. E, como Crawford ressalta, as atuais regulamentações dos EUA para satélites de imagens comerciais estipulam que você não pode ir abaixo de 20 cm por pixel. Nessa resolução, a pessoa média apareceria como alguns pontos. Por isso, seria difícil distinguir pessoas individuais, quanto mais a identidade de uma pessoa ou até mesmo o gênero.
Crawford diz que grande parte dos avanços de curto prazo em técnicas de aprendizagem profunda em geral envolverá a simplificação e automação dos ajustes nos algoritmos (ou seja, menos marcação manual de carros ou campos de milho), para que as empresas apliquem mais rapidamente o aprendizado de máquina em novas áreas.
Quanto ao futuro do Orbital Insight especificamente, o fundador da empresa definitivamente não está falando pouco. Ele compara o que a empresa está fazendo à criação de um “macroscópio” que poderia impactar o mundo em um grau similar ao do microscópio que transformou a biologia.
“Muito do que estamos vendo sobre a Terra, seja o rendimento do milho ou o desmatamento, ou o estoque de óleo, são tão grandes que você não pode vê-los com o olho humano porque teria que processar um milhão de imagens de uma só vez. ”, Diz Crawford. "Isso vai mudar a maneira como vemos a Terra, mudamos a maneira como pensamos sobre isso e mudamos a maneira como pensamos em administrá-lo."
