Descriere xAI

Metode de învățare automată explicabilă pentru observarea Pământului 

Inteligența artificială (AI) este epicentrul unei noi revoluții impulsionate de metodele de învățare automată și puterea de calcul existentă și promovată de accesul la volumele mari de date colectate de sisteme satelitare, IT, senzori, observații in situ, rețele sociale pe internet sau IoT, doar pentru a enumera câteva modalități. AI este la convergența metodelor și instrumentelor teoretice care transformă volume mari de date în informații și cunoștințe utile pentru luarea deciziilor, verificarea ipotezelor, înțelegerea perspectivelor sau realizarea de predicții.

Sateliții sunt singura sursă globală de date de observare a Pământului (EO). Domeniul EO se află în prezent într-un punct de cotitură, datele fiind acum accesibile în mod liber și deschis. Numai în cadrul programului Copernicus, aproape 30 de milioane de produse satelitare EO Sentinel au fost generate recent și descărcate de cca. 350.000 de utilizatori.

În prezent, AI este aplicată în principal pe imagini optice, adică fotografice. Imaginile EO sunt practic diferite și mult mai complexe. AI pentru EO necesită metode specifice pentru extragerea completă a informațiilor din date spațiale, temporale sau spectrale la scară globală. Acest lucru implică noi paradigme pentru a analiza în comun înregistrări multimodale, cum ar fi datele EO ale senzorilor optici, IR sau cu microunde. În EO se înregistrează date de mare complexitate, bazate pe fizica fenomenelor, date dinamice cuplate neliniar, care descriu  Pământul ca sistem. În acest context, trebuie dezvoltate noi paradigme AI, care să integreze principii fizice în mecanismul de învățare. Acestea depășesc mult și nu decurg din tehnicile actuale de recunoaștere de tip „cats and dogs”. Ca urmare, există o motivație uriașă în dezvoltarea AI pentru metodele EO și exploatarea rezultatelor.

Acest context, ca și noile tendințe, ne arată direcțiile în care trebuie să mergem. Valorificarea volumelor mare de date este ținta pe care ne-o propunem în elaborarea unei noi metodologii bazată pe AI și specializată pe date de la senzorii EO.

În acest proiect abordăm subiecte noi și foarte specifice în EO pentru a învăța semantica scenei, semnăturile scenei și parametrii fizici. Prin urmare, dezvoltăm noi arhitecturi de învățare profundă și paradigme hibride, încapsulând cunoștințe fizice și proiectând seturi date de antrenament și proceduri adecvate susținute de consens și coerență în aplicații.

OBIECTIVE

Obiectivul general al proiectului xAI este o dezvoltare majoră în AI pentru EO, o schimbare revoluționară de paradigmă pentru maximizarea informațiilor extrase din datele EO, având ca scop consolidarea și extinderea lanțului valoric EO pentru aplicații și viitoare piețe ale acestora. Această nouă paradigmă presupune o deschidere către explorarea și valorificarea coerentă și uniformă a informațiilor provenite de la misiunile EO. Cu această nouă abordare, inteligenta artificiala pentru EO trece de la simpla folosire a datelor la valorificarea informațiilor și cunoștințelor.

În contextul necesităților și tendințelor prezentate, proiectul xAI are 5 obiective principale de cercetare:


O1. Elaborarea de metode AI cu auto-învățare: învățarea nesupravegheată pentru datele EO fără sau cu foarte puține etichete și transferarea modelelor către EO cu mai mulți senzori

O2. Elaborarea de metode AI bazate pe modele fizice: integrarea principiilor fizice și a cunoștințelor din domeniu cu metodele statistice de învățare, exploatarea sinergiei modelelor și metodelor.

O3. Elaborarea de metode explicabile de AI pentru EO: paradigme hibride pentru a face transparentă cutia neagră a AI astfel încât erorile și incertitudinea să fie cuantizate, procesele de estimare și decizie să devină transparente si încrederea în rezultate să fie măsurabilă.

O4. Demonstrarea rezultatelor în aplicații de extragere a informației, de luare a deciziilor și predicție.

O5. Diseminarea rezultatelor proiectului prin articole în reviste și conferințe internaționale foarte bine recunoscute și includerea anumitor subiecte în programele de studii de master în UPB. Avem în vedere publicarea a 6 articole de revistă - 3 în conformitate cu standardul „Gold open acces” - și a 6 lucrări de conferință.


NOTĂ

Acest proiect este finanțat de grantul Ministerului Educației și Cercetării din România, CNCS – UEFISCDI cu numărul PN-III-P4-ID-PCE-2020-2120