Google Menggunakan AI dan Data Satelit Untuk Mencegah Penangkapan Ikan Ilegal

Layanan Google seperti pencarian gambar dan terjemahannya menggunakan machine learning yang memungkinkan komputer melihat, mendengar, dan berbicara dengan cara yang sama seperti manusia.

Machine learning adalah istilah untuk aplikasi mutakhir saat ini dalam artificial intelligence (kecerdasarn buatan). Pada dasarnya, idenya adalah dengan mengajarkan mesin untuk “belajar” dengan mengolah data dalam jumlah besar, mereka akan menjadi lebih baik dalam melaksanakan tugas yang secara tradisional hanya dapat diselesaikan oleh otak manusia.

Teknik-teknik ini termasuk computer vision, melatih komputer untuk mengenali gambar dengan cara yang sama seperti yang kita lakukan. Misalnya, sebuah objek dengan empat kaki dan ekor memiliki probabilitas tinggi menjadi binatang. Dan jika memiliki kumis yang menonjol juga, itu lebih mungkin menjadi kucing daripada kuda. Ketika diberi data ribuan, atau jutaan gambar, itu akan menjadi semakin baik dalam memutuskan apa yang diwakili oleh gambar.

Teknologi lainnya adalah natural language processing. Ini digunakan dalam layanan terjemahan bahasa real-time online Google untuk memahami nuansa bahasa manusia dalam bahasa apa pun, memungkinkan penerjemahan yang lebih akurat antara bahasa manusia.

Google juga menggunakan machine learning dalam produk thermostat Nest, dengan menganalisis bagaimana perangkat digunakan di rumah tangga, mereka menjadi lebih baik dalam memprediksi kapan dan bagaimana pemiliknya ingin rumah mereka dipanaskan, membantu mengurangi energi yang terbuang.

Namun, selain penggunaan sehari-hari ini Google telah mengembangkan banyak aplikasi teknologi yang lebih khusus, yang saat ini digunakan membantu menyelesaikan berbagai masalah lingkungan di seluruh dunia.

Google memimpin keberlanjutan, Kate E Brandt berbicara kepada Bernard Marr (Kontributor Forbes.com) tentang beberapa kasus penggunaan ambisius ini di mana kecerdasan buatan sedang digunakan hari ini.

Dia berkata, “Kami melihat beberapa hal yang sangat menarik terjadi ketika kami menggabungkan potensi komputasi awan, pemetaan geografis, dan pembelajaran mesin.”

Salah satu contoh bagus adalah prakarsa yang telah membantu melindungi kehidupan laut yang rentan di beberapa ekosistem yang paling rentan di dunia. Dengan menggunakan Sistem Identifikasi Otomatis yang disiarkan secara terbuka untuk pengiriman, algoritme pembelajaran mesin telah terbukti dapat secara akurat mengidentifikasi aktivitas penangkapan ikan ilegal di kawasan lindung.

Ini berfungsi dengan cara yang sama seperti contoh “kucing atau kuda?” Untuk pengenalan gambar yang saya berikan di atas. Dengan merencanakan jalur kapal dan membandingkannya dengan pola gerakan di mana tujuan kapal diketahui, komputer dapat “mengenali” apa yang dilakukan kapal.

Brandt mengatakan “200.000 atau lebih kapal yang ada di laut pada satu waktu sedang mengeluarkan pemberitahuan publik ini mengatakan ‘ini adalah di mana saya berada, dan inilah yang akan saya lakukan.’

Ini menghasilkan penyiaran sekitar 22 juta titik data setiap hari, dan insinyur Google menemukan bahwa dengan menerapkan pembelajaran mesin pada data ini mereka dapat mengidentifikasi alasan setiap kapal berada di laut, apakah itu feri transportasi, kapal kontainer, kapal rekreasi atau perahu nelayan.

“Dengan dataset itu, dan bekerja dengan beberapa LSM yang luar biasa, Oceana dan Sky Truth, kami mampu menciptakan Global Fishing Watch, peta panas waktu nyata yang menunjukkan di mana penangkapan ikan terjadi,” kata Brandt.

Inisiatif ini telah mengarah pada hasil positif dalam perang melawan penangkapan ikan ilegal di lingkungan laut yang dilindungi. Misalnya, sistem mengidentifikasi aktivitas mencurigakan di perairan di bawah yurisdiksi negara kepulauan Kiribati di Pasifik, yang mencakup situs laut warisan UNESCO terbesar di dunia. Ketika dihadang oleh kapal pemerintah Kiribati, kapten kapal penangkap ikan membantah melakukan kesalahan. Namun setelah disajikan dengan bukti yang dikumpulkan oleh algoritme pembelajaran mesin Google, dia menyadari bahwa dia telah tertangkap basah dan mengakui pelanggaran hukum internasional.

“Apa yang benar-benar menarik adalah ini menciptakan peluang luar biasa bagi pemerintah dan warga untuk melindungi sumber daya laut kita. Memancing di wilayah itu adalah ilegal dan Global Fishing Watch telah digunakan untuk melindungi cadangan tersebut.”

Pengenalan gambar yang digerakkan oleh mesin juga digunakan untuk tujuan yang sangat berbeda, di darat saat ini, dan di seluruh Amerika Serikat serta Jerman.

Project Sunroof, diluncurkan pada tahun 2015, melibatkan pelatihan sistem Google untuk memeriksa data satelit dan mengidentifikasi berapa banyak rumah di daerah tertentu memiliki panel surya yang dipasang di atap mereka. Selain itu, dapat mengidentifikasi area di mana kesempatan untuk mengumpulkan energi matahari sedang terlewatkan, karena tidak ada panel yang dipasang.

“Ini dimulai dengan salah satu insinyur kami yang tinggal di Cambridge, Massachusetts, yang ingin memasang panel surya di atapnya tetapi sulit untuk mengetahui apakah dia tinggal di lokasi yang baik, apakah dia memiliki cukup sinar matahari untuk bekerja?” kata Brandt.

Ini menghasilkan pengembangan sistem pembelajaran mesin yang mengambil citra satelit Google Earth, dan menggabungkannya dengan data meteorologi, untuk memberikan penilaian instan apakah lokasi tertentu akan menjadi kandidat yang baik untuk panel surya, dan berapa banyak energi, juga sebagai uang, seorang pemilik rumah mungkin akan menabung.

“Kemudian kami menyadari ini tidak hanya sangat berguna untuk pemilik rumah individu, tetapi bisa sangat berguna bagi masyarakat, di tingkat kabupaten, kota atau negara, untuk menilai potensi mereka.”

Algoritme pengenalan citra Google dilatih untuk mengenali cara menempatkan array surya dalam citra satelit. Sistem ini segera digunakan oleh kota San Jose di California sebagai bagian dari inisiatif untuk mengidentifikasi lokasi di mana 1 gigawatt energi matahari dapat dihasilkan dari panel baru.

Kedua inisiatif ini merupakan contoh hebat tentang bagaimana pembelajaran mesin, yang didukung oleh dataset yang tersedia secara publik, memungkinkan solusi baru untuk masalah zaman modern. Ketika lebih banyak data tersedia, dan komputer menjadi semakin kuat, siapa yang tahu apa tantangan lain yang dapat diatasi dengan bantuan kecerdasan buatan?

forbes

You may also like...