बिग डेटा इतना बड़ा हो रहा है, यह पृथ्वी के पक्के बंधनों को खिसका रहा है।
ऑर्बिटल इनसाइट नामक एक स्टार्टअप, जिसने हाल ही में फंडिंग में लगभग $ 9 मिलियन जुटाए हैं, वैश्विक तेल अधिशेष का अनुमान लगाने के लिए उपग्रह इमेजरी और अत्याधुनिक कंप्यूटिंग तकनीकों का उपयोग कर रहा है, फसल समय से पहले फसल की कमी का अनुमान लगाने और कारों की संख्या पर नज़र रखने से खुदरा रुझानों को स्पॉट करता है। बड़े बॉक्स पार्किंग स्थल। गैरकानूनी वनों की कटाई को जल्दी और बेहतर ट्रैक जलवायु परिवर्तन के लिए सॉफ्टवेयर को प्रशिक्षित करना भी संभव होना चाहिए।
कंपनी मशीन लर्निंग तकनीक और कंप्यूटिंग नेटवर्क का उपयोग करती है जो बड़े पैमाने पर दृश्य डेटा में पैटर्न को देखने के लिए मानव मस्तिष्क की नकल करते हैं। फेसबुक अपलोड की गई छवियों और आपके और आपके मित्रों के ऑटो-टैग को पहचानने के लिए समान तकनीकों का उपयोग करता है। लेकिन चेहरों की खोज करने के बजाय, ऑर्बिटल इनसाइट उपग्रह इमेजरी की बढ़ती बहुतायत का लाभ उठा रहा है, छोटे, कम लागत वाले उपग्रहों के उदय के लिए धन्यवाद, और अपने नेटवर्क को वाहनों की तरह चीजों को स्वचालित रूप से पहचानने के लिए सिखा रहा है, चीन में निर्माण की दर। फ़्लोट-लिड ऑइल कंटेनर द्वारा छाया डाली जाती है, जो इस बात पर निर्भर करती है कि वे कितने भरे हुए हैं।
यह निश्चित रूप से असंभव होगा, मनुष्य को नियमित रूप से अद्यतन वैश्विक उपग्रह इमेजरी के माध्यम से झारना। लेकिन बड़े पैमाने पर समानांतर कंप्यूटर और उन्नत पैटर्न-मान्यता तकनीकों के साथ, ऑर्बिटल इनसाइट का उद्देश्य उन प्रकार के डेटा को वितरित करना है जो पहले उपलब्ध नहीं हैं। उदाहरण के लिए, वर्तमान वैश्विक तेल अनुमान, पहले से ही छह सप्ताह पुराने हैं जब वे प्रकाशित होते हैं। ऑर्बिटल के साथ, फसल की पैदावार का विश्लेषण मध्य-मौसम में दिया जा सकता है - महत्वपूर्ण जानकारी, चाहे आप एक उच्च-स्तरीय संयुक्त राष्ट्र कर्मचारी हों जो खाद्य संकट से आगे निकलने की कोशिश कर रहा हो, या एक हेज फंड के लिए काम करने वाला कमोडिटी व्यापारी।
ऑर्बिटल इनसाइट लंबे समय के आसपास नहीं रहा है - यह 2013 के अंत में स्थापित किया गया था और केवल पिछले साल के अंत में "चुपके मोड" से बाहर आया था। लेकिन कंपनी के संस्थापक, जेम्स क्रॉफोर्ड को संगत क्षेत्रों में बहुत अनुभव है। नासा के एम्स रिसर्च सेंटर में एक पूर्व स्वायत्तता और रोबोटिक्स प्रमुख, उन्होंने Google पुस्तकें में इंजीनियरिंग निदेशक के रूप में दो साल बिताए, संग्रहित पृष्ठों को खोजा पाठ में बदल दिया।
स्पायर और इनमारसैट और यहां तक कि टेस्ला के एलोन मस्क जैसी कई कंपनियां हार्डवेयर पर काम कर रही हैं - उपग्रहों के नए नेटवर्क को डिजाइन और लॉन्च कर रही हैं - लेकिन क्रॉफर्ड का कहना है कि ऑर्बिटल इनसाइट इसके बजाय सॉफ्टवेयर पर पूरी तरह से ध्यान केंद्रित कर रहा है।
"कुछ मायनों में मैं देख रहा हूँ कि हम इस कंपनी के प्रोत्साहन में यहाँ क्या कर रहे हैं, " क्रॉफर्ड कहते हैं, "बहुत कुछ सीख रहे हैं [गूगल पर] बड़े डेटा को कैसे करना है, कैसे लागू करना है [आर्टिफिशियल इंटेलिजेंस], चित्रों की इन पाइपलाइनों में मशीन लर्निंग कैसे लागू करें, और उपग्रह स्थान पर लागू करें। "
क्रॉफर्ड की कंपनी उभरती हुई सॉफ्टवेयर तकनीकों जैसे कृत्रिम तंत्रिका नेटवर्क और पार्स उपग्रह को सीखने की मशीन का उपयोग करने वाले कुछ कामों में से एक हो सकती है कल्पना। लेकिन वह जिस तकनीक का उपयोग कर रहा है, उसे गहरी शिक्षा के रूप में भी जाना जाता है, इस समय प्रौद्योगिकी क्षेत्र में विस्फोट हो रहा है। फेसबुक, Google और Microsoft जैसी स्थापित कंपनियां स्वचालित छवि टैगिंग और बेहतर भाषण पहचान और अनुवाद जैसी चीजों के लिए गहन शिक्षण तकनीकों का उपयोग कर रही हैं। आईबीएम ने भी हाल ही में अपने वॉटसन कंप्यूटर सिस्टम को बढ़ाने के लिए अलकेमीएपी नामक एक गहरी सीखने वाली कंपनी का अधिग्रहण किया।
गहन सीखने, शक्तिशाली कंप्यूटर और समवर्ती चलने वाली पैटर्न मान्यता की कई परतों के साथ (इसलिए "गहरी सीखने में गहरी") मानव मस्तिष्क के तंत्रिका नेटवर्क की नकल करते हैं। उद्देश्य है कि कंप्यूटर को "सीखने" के लिए पैटर्न को पहचाना जाए या पारंपरिक सॉफ्टवेयर के लिए "सिखाने" के लिए बहुत जटिल और समय लेने वाला कार्य किया जाए।
कुछ सौ पार्किंग में मैन्युअल रूप से कारों को चिह्नित करके और कंप्यूटर नेटवर्क में डेटा खिलाकर, सॉफ्टवेयर सीख सकता है कि कार कैसी दिखती है और बाद में उन्हें हजारों अन्य छवियों में गिना जाता है। (कक्षीय अंतर्दृष्टि, उपग्रह चित्रण: DigitalGlobe) गहन सीखने का विवरण तकनीकी है, लेकिन बहुत ही बुनियादी स्तर पर, यह आश्चर्यजनक रूप से सरल है। जब पार्किंग की गतिविधि के साथ खुदरा रुझानों को मापने की बात आती है, तो क्रॉफर्ड कहते हैं कि कंपनी के पास पहले कर्मचारी हैं जो लाल डॉट्स के साथ कुछ सौ पार्किंग लॉट में मैन्युअल रूप से कारों को चिह्नित करते हैं। "फिर, आप प्रत्येक व्यक्तिगत कार को तंत्रिका नेटवर्क में खिलाते हैं, और यह प्रकाश और अंधेरे के पैटर्न, कार के पिक्सल के पैटर्न को सामान्य करता है, " क्रॉफोर्ड कहते हैं। "और जब [कंप्यूटर] एक नई छवि को देखता है, जो यह अनिवार्य रूप से कर रहा है वह काफी परिष्कृत है, लेकिन फिर भी मूल रूप से एक पैटर्न मैच है।"
खुदरा गतिविधि का आकलन करते समय, क्रॉफर्ड कहते हैं कि उनकी कंपनी यह बताने में बहुत बेहतर है कि एक राष्ट्रीय स्तर पर एक श्रृंखला कैसे कर रही है, यह मापने से कि समय के साथ पूर्ण पार्किंग लॉट कैसे हैं और तुलना करते हैं कि पुरानी छवियों का उपयोग करते हुए पिछली तिमाही में कितने पूर्ण थे। एक व्यक्तिगत दुकान के स्वास्थ्य का पता लगाने की तुलना में।
वह स्वीकार करते हैं कि कई खुदरा विक्रेताओं के पास पहले से ही अपने स्वयं के स्टोर के लिए इस डेटा को ट्रैक करने के तरीके हैं, लेकिन उन्हें यह जानकर खुशी होगी कि वित्तीय परिणाम जारी होने से महीनों पहले उनके प्रतियोगी कैसे कर रहे हैं। हेज फंड्स के बारे में भी यही कहा जाएगा, जो क्रॉफर्ड कहते हैं कि कंपनी के शुरुआती ग्राहक हैं। यह देखना आसान है कि इस तरह का डेटा निवेशकों को एक पैर कैसे दे सकता है। उपग्रह इमेजरी पहले से ही उपलब्ध है, और ऑर्बिटल इनसाइट बस इसे पार्स कर रहा है, इसलिए यह किसी भी अंदरूनी व्यापार चिंताओं को चिंगारी करने की संभावना नहीं है।
यदि नेटवर्क कभी-कभार गलती करता है, तो एक कार के लिए डंपर को भ्रमित करने के लिए कहें, यह बहुत समस्या नहीं है, क्रॉफर्ड बताते हैं, क्योंकि गलतियों को एक दूसरे को बड़े पैमाने पर रद्द करना पड़ता है। तेल के अनुमान जैसी चीजों के लिए, भले ही वे कई प्रतिशत अंकों से दूर हों, फिर भी अधिक ठोस डेटा के लिए छह सप्ताह तक इंतजार करना बेहतर है।
जबकि स्टार्टअप पहले बाजार के निवेशकों को डेटा प्रदान करने पर ध्यान केंद्रित करता है, जो कि कंपनी को अधिक परोपकारी उपयोगों के लिए भी रखा जा सकता है। "हम भविष्य में वनों की कटाई का पता लगाने के लिए इसका उपयोग करने के बारे में उत्सुक हैं, और सड़क निर्माण जैसी चीजों का पता लगाने के लिए जो वनों की कटाई के लिए अग्रदूत हो सकते हैं, " क्रॉफोर्ड कहते हैं। "वहाँ भी वास्तव में दिलचस्प चीजें हैं जो चारों ओर बर्फ पैक, पानी और जलवायु परिवर्तन के अन्य पहलुओं को देखने के लिए किया जा सकता है।" कैसे स्वस्थ पौधे हैं, फसल की विफलता का अनुमान लगाने के लिए।
बेशक, बड़े डेटा का कोई भी पहलू जो उपग्रह इमेजरी को भी शामिल करता है, गोपनीयता मुद्दों को लाता है। लेकिन ऑर्बिटल इनसाइट तस्वीरें नहीं ले रहे हैं, वे पहले से उपलब्ध चित्रों का उपयोग और विश्लेषण कर रहे हैं। और जैसा कि क्रॉफर्ड बताते हैं, वाणिज्यिक इमेजिंग उपग्रहों के लिए वर्तमान अमेरिकी नियम निर्धारित करते हैं कि आप प्रति पिक्सेल 20 सेमी से नीचे नहीं जा सकते। उस संकल्प पर, औसत व्यक्ति कुछ बिंदुओं के रूप में दिखाई देगा। इसलिए अलग-अलग लोगों को अलग पहचानना कठिन होगा, अकेले किसी व्यक्ति की पहचान या यहां तक कि लिंग भी।
क्रॉफर्ड का कहना है कि सामान्य रूप से गहरी सीखने की तकनीक में अल्पकालिक अग्रिमों में से अधिकांश एल्गोरिदम को ट्विक्स को सरल बनाने और स्वचालित करने में शामिल होंगे (मतलब मैन्युअल रूप से कारों या मकई क्षेत्रों को कम टैग करना), ताकि कंपनियां नए क्षेत्रों में मशीन लर्निंग को अधिक तेज़ी से लागू कर सकें।
ऑर्बिटल इनसाइट के भविष्य के लिए विशेष रूप से, कंपनी के संस्थापक निश्चित रूप से छोटी बात नहीं कर रहे हैं। वह पसंद करता है कि कंपनी एक "मैक्रोस्कोप" बनाने के लिए क्या कर रही है जो दुनिया को एक समान डिग्री तक प्रभावित कर सकती है जो माइक्रोस्कोप ने जीव विज्ञान को बदल दिया।
"हम पृथ्वी के बारे में जो कुछ भी देख रहे हैं, चाहे वह मकई की उपज हो या वनों की कटाई, या तेल की इन्वेंट्री, वे इतने बड़े हैं कि आप उन्हें मानव आंख से नहीं देख सकते क्योंकि आपको एक बार में एक लाख छवियों को संसाधित करना होगा।, "क्रॉफर्ड कहते हैं। "यह अंततः पृथ्वी को देखने के तरीके को बदल देगा, हम इसके बारे में सोचने के तरीके को बदल देंगे, और इसके प्रबंधन के बारे में सोचने के तरीके को बदल देंगे।"
