Dans "deepLDB, " Les images de Google Earth sont utilisées pour identifier les précédents glissements de terrain provoqués par les précipitations dans le monde. Crédit :Shen Multi-scale Hydrology, Groupe Processus et Intelligence
Dans leur AI Impact Challenge 2019, Google a demandé aux organisations à but non lucratif, entreprises sociales et instituts de recherche du monde entier, « Comment utiliseriez-vous l'intelligence artificielle (IA) pour le bien de la société ? »
"Nous avons eu une bonne idée qui cherchait une telle opportunité, " dit Chaopeng Shen, professeur agrégé de génie civil et environnemental à Penn State et chercheur principal de "deepLDB, " l'un des 20 projets financés par Google dans le cadre du défi l'année dernière. " Les glissements de terrain induits par les pluies représentent un risque énorme pour les personnes vivant dans les zones montagneuses, et nous pensions qu'il y avait une possibilité d'utiliser l'IA pour mieux les prévoir."
À l'échelle mondiale, les glissements de terrain causent des milliers de morts et de blessés et coûtent des milliards de dollars chaque année, selon le United States Geological Survey (USGS). Les plus fréquentes d'entre elles sont induites par les précipitations, se transformant souvent en coulées de débris rapides comme le Montecito, coulées de boue en Californie en 2018.
Mais Shen a déclaré que bon nombre de ces événements ne sont pas non plus signalés, compliquer les efforts pour les étudier et éventuellement les prévoir.
"La plupart des informations proviennent de reportages, et il y a beaucoup d'événements manquants, " a déclaré Shen. " Afin que nous puissions mieux prévoir les glissements de terrain, nous devons commencer avec une bonne base de données sur les glissements de terrain."
Shen a noté qu'avec la disponibilité des images satellites de Google Earth, les glissements de terrain passés peuvent être identifiés depuis l'espace. Cependant, en trouver un seul, bien moins les milliers nécessaires pour remplir une base de données complète, nécessite une équipe entière pour parcourir les images à la recherche de preuves d'un événement passé.
Sauf si vous avez l'IA.
"Le premier objectif de notre travail était de produire une méthode d'intelligence artificielle pour identifier ces événements à partir des images satellites, " a déclaré Shen. " Une fois que l'IA est entraînée - quand elle peut déterminer ce qui est un glissement de terrain et ce qui ne l'est pas - nous pouvons l'appliquer à une très grande zone, et il trouvera automatiquement l'endroit avec un événement suspect."
Au début du projet, Shen et Penn State co-investigateurs Tong Qiu, professeur agrégé de génie civil et environnemental, et Daniel Kifer, professeur d'informatique, ont reçu un premier ensemble de données de glissements de terrain induits par les précipitations connus par l'USGS. Après avoir trouvé les événements dans Google Earth, ils ont utilisé les images satellites comme exemples de formation dans un processus appelé « apprentissage supervisé ».
Selon le professeur agrégé Chaopeng Shen, les glissements de terrain passés peuvent être trouvés à l'aide d'une seule image satellite. Cependant, avoir à la fois une image "avant" et "après" augmente la précision de l'identification. Crédit :Shen Hydrologie multi-échelle, Groupe Processus et Intelligence
"C'est essentiellement l'identification d'objets, " dit Shen. " En regardant l'image satellite, on a l'impression qu'il y a peut-être eu un événement parce que la scène a radicalement changé. La plupart des indices visuels proviennent de la végétation."
Heures supplémentaires, l'IA a commencé à reconnaître les indices qu'elle pourrait utiliser pour identifier un glissement de terrain, mais il fallait aussi repérer les différences par rapport à d'autres occurrences, trop. La forme d'une perturbation aurait pu indiquer un glissement de terrain, mais cela pourrait aussi provenir d'un incendie de forêt, mine excavée ou bâtiment démoli.
« Il doit être capable de différencier les vrais signaux du bruit, " Shen a dit. " Qu'est-ce qu'un glissement de terrain induit par les précipitations, et qu'est-ce qui ne l'est pas ?"
Après un an de formation, Shen a déclaré que le modèle identifie désormais correctement un glissement de terrain 97% du temps, mais il a souligné que davantage d'exemples de formation sont encore nécessaires. Les chercheurs ont créé un site Web où les gens pouvaient télécharger leurs propres images Google Earth pour aider à former le modèle.
"Si une image aérienne d'un glissement de terrain ne provient pas d'une zone sur laquelle nous nous sommes concentrés, ils peuvent nous aider à le corriger, " dit Shen. " Plus nous avons de données, plus le modèle sera précis."
Selon Shen, le niveau de précision dans la base de données est ce qui distingue "deepLDB", et cela leur permet de commencer à passer au deuxième objectif du projet :la prédiction.
"La deuxième étape consiste à utiliser l'IA pour associer les événements de la base de données aux précipitations et à d'autres conditions locales pour essayer de prédire ce qui va se passer ensuite, " a déclaré Shen. " L'aspect nouveau du projet est que nous avons une très grande précision spatiale, ce qui signifie que nous savons exactement où sont ces événements. Avec ce genre de précision, nous pouvons superposer les événements avec d'autres ensembles de données comme la texture et l'altitude du sol et découvrir certaines des raisons fondamentales pour lesquelles cela se produit dans une zone et pas dans l'autre. Ou pourquoi hier et pas avant-hier."
Il a ajouté que le travail vient de commencer sur le modèle de prédiction, et ils ont travaillé avec des experts de l'IA de Google pour trouver le meilleur moyen de construire l'IA à mesure qu'elle recherche des modèles dans la base de données en pleine croissance.
"Les personnes avec qui j'ai travaillé chez Google et leur organisation philanthropique, Google.org, veulent vraiment créer des impacts positifs dans le monde, " dit Shen. " Espérons que, nous pourrons sauver des vies grâce à cet effort."
