人工智能和卫星数据揭露全球75%未被AIS追踪的渔船

人工智能和卫星数据揭露全球75%未被AIS追踪的渔船 地图显示了葡萄牙和摩洛哥周围未公开追踪的捕鱼活动。地图显示了哨兵-1 号在 2017-2021 年间探测到的单个船只,与 AIS 广播中已知船只位置(蓝色)和未匹配船只(橙色)相匹配。这些船只通过深度学习模型被划分为捕鱼或非捕鱼船只。国家专属经济区重叠显示。资料来源:欧空局(数据来源:Paolo 等,2024/全球渔业观测)。一项结合了卫星数据和人工智能的突破性研究为海上船只的数量提供了新的线索。令人吃惊的是,这项研究显示,全球约 75% 的工业化渔船以前在公共追踪系统中都是"黑户"。这项研究最近发表在《自然》(Nature)杂志上,由全球渔业观察(Global Fishing Watch)领导。地图显示了西西里岛和突尼斯周围未被追踪的渔船。该地图显示了哨兵-1 号在 2017-2021 年期间探测到的单个船只,与 AIS 广播中已知船只位置匹配(蓝色),以及未匹配船只(橙色)。这些船只通过深度学习模型被划分为捕鱼或非捕鱼船只。国家专属经济区重叠显示。资料来源:欧空局(数据来源:Paolo 等,2024/全球渔业观测)。揭开"黑暗舰队"的神秘面纱并非所有船只都必须依法广播其位置,但未被纳入公共监测系统的船只(通常被称为"黑渔船")会给自然资源的保护和管理带来挑战。通过使用哥白尼哨兵-1 号任务五年来的雷达数据和哥白尼哨兵-2 号任务的一些光学数据以及GPS信息,全球渔业观察组织的研究人员能够识别出那些没有申报位置的船只。然后,通过对数据进行机器学习,研究人员可以得出结论,哪些船只是在捕鱼。研究结果和影响研究时间跨度为 2017-2021 年,涵盖六大洲的沿海水域,绝大多数渔业和近海基础设施都集中在这些水域。他们发现在许多海洋保护区内有许多黑渔船,而且在许多国家的水域内渔船高度集中,而以前公共监测系统显示这些水域内几乎没有渔船活动。另据了解,超过 25% 的运输和能源船只活动也在跟踪系统中丢失。全球渔业观察组织研究与创新总监大卫-克罗德斯马(David Kroodsma)说:"一场新的工业革命正在我们的海洋中悄然兴起,直到现在才被发现。在陆地上,我们拥有地球上几乎每一条道路和每一座建筑的详细地图。相比之下,我们海洋的增长却在很大程度上被隐藏在公众视野之外。这项研究有助于消除盲点,揭示人类海洋活动的广度和强度"。全球渔业观察高级机器学习工程师费尔南多-保罗(Fernando Paolo)补充说:"从历史上看,对渔船活动的记录很少,这限制了我们对世界上最大的公共资源海洋的使用情况的了解。通过将空间技术与最先进的机器学习相结合,我们以前所未有的规模绘制了海上未披露的工业活动图"。上图显示了 2017-2021 年研究期间不同地区公开跟踪(蓝色)和未跟踪(橙色)的渔船。下图显示的是运输和能源船只。图片来源:欧空局(数据来源:保罗等人,2024 年)全球渔业活动分布公开数据显示,亚洲和欧洲在其相对边界内的渔船数量相似,但事实并非如此。威斯康星大学麦迪逊分校自然资源经济学助理教授珍妮弗-雷诺(Jennifer Raynor)说:"我们的绘图显示,亚洲占主导地位。我们在水上发现的每 10 艘渔船中,有 7 艘在亚洲,只有 1 艘在欧洲。通过揭露黑船,我们绘制了目前最全面的全球工业化捕鱼的公开图景"。哨兵 1 号任务的贡献欧空局哥白尼哨兵-1 号任务负责人努诺-米兰达(Nuno Miranda)指出:"我们对研究结果感到吃惊,我想没有人会想到海上 75% 的船只没有广播自己的位置。哨兵一号在这些惊人的结果中发挥了重要作用,我们对此深感自豪。这次任务真正展示了雷达的全天候、昼夜成像能力如何与其系统性的全球观测相结合,从而更好地了解人类对环境和自然资源的影响程度"。近海开发地图显示了主要产油区的石油基础设施、风电场和其他人工建筑(如码头、电线和水产养殖)。圆圈与 2021 年底每个平方度网格单元的结构数量成比例。资料来源:欧空局(数据来源:Paolo 等人,2024 年/全球渔业观测)。对环境和法规的影响除了对锁定可能非法捕鱼的船只产生影响外,这些结果还有助于进一步了解海上排放的温室气体。研究还考察了海上基础设施,如风力涡轮机和石油平台。在研究期间,石油结构增加了 16%,而风力涡轮机增加了一倍多。到 2021 年,涡轮机的数量将超过石油平台。中国的海上风能增长最为显著,在 2017 年至 2021 年期间增长了 9 倍。这对于帮助了解发展的影响和趋势非常重要。编译来源:ScitechDaily ... PC版: 手机版:

相关推荐

封面图片

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃 用于训练大型语言模型的数据最初来自人类来源,如书籍、文章、照片等,这些都是在没有人工智能的帮助下创建的。但随着越来越多的人使用人工智能来制作和发布内容,一个明显的问题出现了:当人工智能生成的内容在互联网上扩散时,人工智能模型开始对其进行训练。研究人员发现,“在训练中使用模型生成的内容会导致所产生的模型出现不可逆转的缺陷。”他们研究了文本到文本和图像到图像的人工智能生成模型的概率分布,得出结论:“从其他模型产生的数据中学习会导致模型崩溃 这是一个退化的过程,并且随着时间的推移,模型会忘记真正的基础数据分布。”他们观察到模型崩溃发生得如此之快:模型可以迅速忘记它们最初学习的大部分原始数据。这导致它们随着时间的推移,表现越来越差,错误越来越多。来源 , 来自:雷锋 频道:@kejiqu 群组:@kejiquchat 投稿:@kejiqubot

封面图片

国外一家名为 Laion 的人工智能非盈利组织,开放了全球最大的图像文本对() #数据集 ,共提供了 4 亿样本数据。

国外一家名为 Laion 的人工智能非盈利组织,开放了全球最大的图像文本对() #数据集 ,共提供了 4 亿样本数据。 数据来源于 Common Crawl 在 2014 - 2021 年间随机抓取的网页。元数据数据集基于 CC 4.0 许可开放

封面图片

习近平提出全球人工智能治理倡议 声称促进全球人工智能健康有序安全发展

习近平提出全球人工智能治理倡议 声称促进全球人工智能健康有序安全发展 据新华社报道,习近平出席第三届「一带一路」国际合作高峰论坛开幕式并发表主旨演讲,关于推动科技创新。 习近平表示,中方将继续实施「一带一路」科技创新行动计划,举办首届「一带一路」科技交流大会,未来 5 年把同各方共建的联合实验室扩大到 100 家,支持各国青年科学家来华短期工作。 习称中国将在本届论坛上提出全球人工智能治理倡议,愿同各国加强交流和对话,共同促进全球人工智能健康有序安全发展。 投稿By:LLC_XMR? | 의 (Will Never DM You First) 习包子为AI发展指明了

封面图片

微软发布改进后的人工智能天气模型 可预测全球云雨情况

微软发布改进后的人工智能天气模型 可预测全球云雨情况 在必应博客的一篇文章中,微软称,"Start"团队已于 2021 年底在全球范围内推出了所谓"降水预报"的改进措施。该模型不仅从本地雷达装置中获取数据,还将其与卫星数据相结合。由于世界上许多地方都没有安装天气雷达硬件,因此需要这种数据结合来提升准确性。不过,微软 Start 认为降水预测模型仍存在一些缺陷。这是由于卫星天气数据在 85% 至 95% 的时间内都可以获得,这取决于数据的来源和可接受的延迟时间。博文称:有证据表明,每项任务需要一个单独的解码器,每个预测频道需要一个单独的判别器,因此,Weather from Microsoft Start 建立了一个模型,比之前只预测模拟雷达反射率的模型大 4 倍。最后,新模型联合预测卫星和模拟雷达反射率,使其预测能够填补数据可用性缺口。据微软称,在人工智能训练中,雷达信道模型的权重是卫星模型的六倍,因为雷达提供的降水信息被认为比卫星任务更重要。最终结果是,与仅使用雷达预测的基础模型相比,新的降水和云层模型"在 F1 分数上有明显改善"。博客补充道:此外,还观察到预测的卫星图像在 15 分钟后的得分高于持续性预测,这意味着当卫星数据中断时间超过 15 分钟时,可以使用这些预测。微软的卫星和雷达预报模型现已完全集成到该公司的 Weather from Microsoft Start 气象模型中。了解更多: ... PC版: 手机版:

封面图片

苹果公司正开发数据中心人工智能芯片

苹果公司正开发数据中心人工智能芯片 苹果公司已经在开发自己的可以在数据中心服务器中运行人工智能软件的芯片,有望为该公司在 AI 军备竞赛中带来一项关键优势。过去十年间,苹果公司积极推进 iPhone、iPad、Apple Watch 和 Mac 电脑的自研芯片设计。知情人士透露,这个服务器项目内部代号为苹果数据中心芯片 (ACDC) 项目,将利用苹果在自研芯片方面的实力开发服务器芯片。ACDC 项目已经进行了几年,目前还不清楚这款新芯片将于何时亮相,甚至是否会亮相。苹果公司此前承诺将在6月份的全球开发者大会上发布多款新的人工智能产品和相关消息。

封面图片

人工智能和加密货币业务导致数据中心能耗快速增加

人工智能和加密货币业务导致数据中心能耗快速增加 这已经引发了加密货币和人工智能工具(如 ChatGPT)对环境影响的反弹,因为所有这些数据中心都要对与用电相关的温室气体排放负责。世界将需要更多的可再生能源来净化电网污染,同时满足数据中心激增的电力需求。国际能源署(IEA)今天发布的年度电力报告显示,2022 年,数据中心、加密货币和人工智能约占全球电力需求的 2%,耗电量达 460 太瓦时。据估计,仅加密货币挖矿一项就将占到近四分之一的用电量,2022 年将消耗掉110TWh的电力。到 2026 年,数据中心(包括用于加密货币和人工智能的数据中心)的耗电量可能会增加到 1050 太瓦时,这取决于技术发展的速度。这一增长相当于增加了一个国家的用电需求;在较为温和的情况下,相当于增加了瑞典的用电需求;在最多的情况下,相当于增加了德国的用电需求。目前,美国拥有最多的数据中心,占全球约 8000 个数据中心的 33%。美国也是比特币挖矿最多的国家。国际能源署预测,未来几年美国数据中心用电量将"快速增长"。爱尔兰是欧盟企业税率最低的国家之一,预计新数据中心将蓬勃发展。到 2022 年,爱尔兰 82 个数据中心的耗电量已占全国耗电量的 17%。另有 54 个数据中心正在建设或最近获准开始建设。到 2026 年,所有这些数据中心的用电量将占全国年用电量的近三分之一。国际能源署的报告称:"数据中心行业的快速扩张和电力需求的增加会给电力系统带来挑战。这种风险并非爱尔兰独有。在伦敦,数据中心的电力需求使得开发更多住房变得更加困难。德克萨斯州是美国的比特币采矿中心,它不得不应对新的加密货币矿场(又称加密货币数据农场)给其已经老化和不堪重负的电网带来的压力。"由于数据中心基本上是计算机的仓库,因此 40% 的电力需求来自计算。保持所有设备冷却的电力需求占另外的 40%,其余则来自其他 IT 设备。加入人工智能会增加数据中心的总体电力需求。国际能源署的报告称,在完全采用人工智能的情况下,Google搜索的用电量可能会增加十倍。同样,报告预测,到 2026 年,人工智能行业的耗电量可能是去年的十倍。到 2026 年,加密货币的电力需求预计将激增 40%。在限制加密货币的能源和环境足迹方面,已经有一些成功的案例。以太坊区块链在验证新交易区块时采用了更为节能的方法,从而将用电量减少了 99% 以上。即便如此,比特币网络仍拒绝效仿,并对加密货币挖矿产生的大部分碳排放负有责任。幸运的是,国际能源署还预测,全球可再生能源将加速增长,到 2025 年,其发电量将超过煤炭,占全球发电量的三分之一以上。但这并不能解决新数据中心带来的所有挑战。可以说,提高能源效率同样重要,比如采用高效冷却系统,因为电力需求的过快增长可能会超过可再生能源的增长。 ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人