เดลล์ เทคโนโลยีส์ เปิดขุมพลัง Deep Learning หนุนอาสาสมัครทั่วโลก ช่วยกันปกป้อง Great Barrier Reef แนวปะการังที่ใหญ่ที่สุดของโลก

- Great Reef Census Citizens tn - ภาพที่ 1

เดลล์ เทคโนโลยีส์ ประกาศเปิดตัวโมเดลเทคโนโลยี deep leaning ใหม่ ในโครงการความร่วมมือกับ Citizens of The Great Barrier Reef องค์กรด้านการอนุรักษ์ในประเทศออสเตรเลีย ที่เปิดให้นักวิทยาศาสตร์ภาคพลเมืองทั่วโลกเข้ามาช่วยกันวิเคราะห์ภาพถ่ายการสำรวจต่างๆ ที่รวบรวมจากแนวปะการัง Great Barrier Reef ได้อย่างรวดเร็วและแม่นยำยิ่งขึ้นในเฟสต่อไปของการสำรวจขนาดใหญ่ของ Great Reef Census (GRC)

โมเดล deep learning ของเดลล์จะช่วยให้เห็นถึงความพยายามในการอนุรักษ์แนวประการัง Great Barrier Reef หนึ่งในสิ่งมหัศจรรย์ทางธรรมชาติที่ยิ่งใหญ่ที่สุดในโลกได้ดียิ่งกว่าเดิม โซลูชันเอดจ์ (Edge) ของเดลล์ที่นำมาใช้บนเรือก่อนหน้านี้จะทำการอัพโหลดข้อมูลอัตโนมัติไปยังโมเดลของ deep learning โดยตรงผ่านเครือข่ายโทรศัพท์เคลื่อนที่สำหรับการถ่ายภาพแบบเรียลไทม์ ซึ่งจะช่วยเพิ่มขีดความสามารถของ GRC ด้วยการเร่งความเร็วในการวิเคราะห์ภาพถ่ายที่ก่อนหน้านี้ต้องใช้อาสาสมัครที่เป็นมนุษย์เพียงอย่างเดียว โดยช่วยให้นักวิทยาศาสตร์ภาคพลเมืองสามารถเข้ามาสนับสนุนความพยายามในการฟื้นฟูพื้นที่ที่ต้องการความช่วยเหลือมากที่สุดได้อย่างรวดเร็ว รวมถึงในช่วงเวลาสำคัญของปี อาทิ ฤดูวางไข่ประจำปี

ปัจจุบัน การวิเคราะห์ของ deep learning ใช้เวลาเพียงไม่ถึงหนึ่งนาทีต่อภาพถ่าย เมื่อเทียบกับการสำรวจในครั้งก่อนๆ ที่ใช้เวลาเจ็ดหรือแปดนาที และจากช่วงแรกเริ่มของ GRC ที่ใช้เวลาถึง 1,516 ชั่วโมงในการตรวจสอบภาพถ่าย 13,000 ภาพ ปัจจุบัน โมเดลสามารถวิเคราะห์ชุดข้อมูลเดียวกันได้ภายในเวลาไม่ถึง 200 ชั่วโมง

แนวคิดริเริ่มนี้สอดคล้องกับความมุ่งมั่นอันแรงกล้าของเดลล์ เทคโนโลยีส์ ในเรื่องสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG) เพื่อพัฒนาความยั่งยืน ด้วยการสร้างเทคโนโลยีที่ช่วยขับเคลื่อนสู่ความก้าวหน้า พร้อมการทำงานร่วมกับลูกค้า พันธมิตร ซัพพลายเออร์ ตลอดจนชุมชนต่างๆ ในการดำเนินการเพื่อตอบสนองการเปลี่ยนแปลงด้านสภาพภูมิอากาศได้อย่างมีประสิทธิภาพ

ทั้งนี้ GRC ถือเป็นความร่วมมืออย่างแท้จริงทั่วทั้งภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ) ที่ผสานรวมความเชี่ยวชาญของทีมงานจาก Citizens of the Great Barrier Reef จากเดลล์ รวมถึงทีมนักวิจัยจากมหาวิทยาลัยแห่งควีนส์แลนด์ (UQ) และจากมหาวิทยาลัยเจมส์คุค (JCU) ตลอดจน Sahaj Software Solutions

และนักวิทยาศาสตร์ภาคพลเมืองที่เข้าร่วมโครงการ นอกจากนี้ เดลล์ยังทำงานร่วมกับทีมนักวิทยาศาสตร์ด้านข้อมูล (data scientists) ในประเทศสิงคโปร์ เพื่อขัดเกลาและดำเนินการทดสอบโมเดล deep learning ที่คัดสรรมาใช้งานร่วมกับชุมชนในวงกว้างอย่างต่อเนื่อง เพื่อให้มั่นใจว่าตรงตามมาตรฐานการเปรียบเทียบ (benchmarking standards) อย่างแท้จริง

สำหรับเป้าหมายต่อไปข้างหน้า แอนดี้ ริดลีย์ ผู้ก่อตั้ง Citizens of the Great Barrier Reef มุ่งหวังที่จะขยายผลการดำเนินงานของ GRC ที่ขับเคลื่อนด้วยโมเดล deep learning และชุมพลังของโซลูชันเอดจ์ (Edge) ของเดลล์ ที่ให้ศักยภาพในการขยายขอบเขตการทำงานและนำมาทำซ้ำ เพื่อใช้กับไซต์แนวปะการังอื่น ๆ ในทั่วโลกได้ โดยไซต์ทดลองแรกที่อยู่นอกประเทศออสเตรเลียจะเริ่มที่ประเทศอินโดนีเซีย

อามิต มิธา ประธานภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ) และโกลบอล ดิจิทัล ซิตี้ เดลล์ เทคโนโลยีส์ กล่าวว่า “เดลล์ เทคโนโลยีส์ ได้ประสานความร่วมมือกับองค์กรที่มีแนวคิดคล้ายคลึงกันเพื่อสร้างผลกระทบทางสังคมในเชิงบวกต่อสภาพอากาศ การนำเทคโนโลยีของเรามาช่วยสนับสนุนด้านการวิจัยในโครงการ Citizens of the Great Barrier Reef นับว่าก้าวมาไกลพอสมควร ตั้งแต่ที่เริ่ม Great Reef Census ครั้งแรกจนมาถึงวันนี้ ซึ่งพลังของ deep learning จะเข้ามาช่วยขยายศักยภาพด้านการอนุรักษ์ของทีม

ให้สามารถเข้าถึงข้อมูลที่มีคุณภาพได้อย่างรวดเร็ว พร้อมทั้งช่วยผลักดันความร่วมมือระหว่างทุกฝ่ายที่เกี่ยวข้องให้ประสบความสำเร็จได้ เราเชื่อว่านวัตกรรมต่างๆ เช่นนี้ จะช่วยให้พันธมิตรของเราสร้างความก้าวหน้าให้กับเป้าหมายด้านความยั่งยืน และสามารถนำความพยายามด้านการอนุรักษ์ในลักษณะดังกล่าวไปดำเนินการซ้ำเพื่อต่อยอดโครงการทั้งในระดับภูมิภาคและในระดับโลกได้”

- Great Barrier Reef 3 tn scaled - ภาพที่ 3 - Great Barrier Reef 2 tn - ภาพที่ 5

ประเด็นสำคัญหลักจากความร่วมมือ:

  • ความร่วมมืออย่างต่อเนื่องกับ Citizens of the Great Barrier Reef คือการยืนยันเจตนารมณ์และพันธสัญญาที่ชัดเจนของเดลล์ เทคโนโลยีส์ ในการขับเคลื่อนความก้าวหน้าด้านความยั่งยืน (sustainability) และเพื่อเปลี่ยนวัตถุประสงค์ก้าวไปสู่การปฏิบัติที่เป็นจริงภายในภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ)
  • โมเดลการเรียนรู้แบบ deep learning ใหม่ของเดลล์ ช่วยต่อยอดความพยายามในการอนุรักษ์แนวปะการัง Great Barrier Reef โดยช่วยลดเวลาในการวิเคราะห์ภาพแนวประการังต่างๆ ซึ่งโมเดลใหม่นี้ ช่วยให้อาสาสมัครสามารถตรวจสอบภาพถ่าย 13,000 ภาพให้เสร็จได้ภายในระยะเวลาแค่เพียงสัปดาห์เดียว ซึ่งในช่วงแรกของ Great Reef Census กระบวนการดังกล่าวใช้เวลานานกว่าสองเดือน
  • สำหรับการรณรงค์ในปีนี้ อาสาสมัครในโครงการจะช่วยกันวิเคราะห์ภาพถ่ายจำนวน 42,000 ภาพที่รวบรวมมา จากแนวปะการัง 315 แห่งที่เรียงรายตลอดแนวปะการังของอุทยานทางทะเล (marine park) ที่มีความยาวถึง 2,300 กิโลเมตร
  • โมเดลการจำแนกพิกเซลจำนวนหลายล้านพิกเซลในภาพเพื่อแบ่งเป็นพื้นที่สีต่างๆ โดยแต่ละสีมีความหมายถึงลักษณะที่แตกต่างกัน หรือที่เรียกว่า semantic segmentation ของกระบวนการ deep learning ขับเคลื่อนด้วยการประมวลผลระบบคอมพิวเตอร์ที่ใช้ทรัพยากรทุกส่วนเพื่อให้ได้ประสิทธิภาพสูงสุด (HPC: high performance computing) ของเดลล์ร่วมกับหน่วยประมวลผลกราฟิก หรือ GPU จะช่วยเร่งให้ระบบฝึกฝนโมเดลได้เร็ว และใช้ระบบ Dell PowerScale ในการจัดเก็บข้อมูล โดยแพลตฟอร์มการประมวลผลที่อยู่บนฝั่งยังรวมไปถึง Dell PowerEdge เซิร์ฟเวอร์ที่รองรับคลัสเตอร์การฝึกฝน AI ตลอดจนกลไกการเรียนรู้ที่หลากหลายของ AI

- Great Barrier Reef 1 tn scaled - ภาพที่ 7

- Great Reef Census Snorkeler tn scaled - ภาพที่ 9
Please Credit Harriet Spark/Grumpy Turtle Creative and hyperlink to www.grumpyturtlecreative.com where possible

ติดตามเพจ

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้
    Cookies Details

  • คุกกี้เพื่อการวิเคราะห์

    คุกกี้ประเภทนี้จะทำการเก็บข้อมูลการใช้งานเว็บไซต์ของคุณ เพื่อเป็นประโยชน์ในการวัดผล ปรับปรุง และพัฒนาประสบการณ์ที่ดีในการใช้งานเว็บไซต์ ถ้าหากท่านไม่ยินยอมให้เราใช้คุกกี้นี้ เราจะไม่สามารถวัดผล ปรังปรุงและพัฒนาเว็บไซต์ได้
    Cookies Details

บันทึก