A gdyby tak dało się popatrzeć na stare mapy przez nowoczesną soczewkę, nadającą im wygląd zdjęć satelitarnych… Można – dzięki pomysłowi brazylijskiego studenta

Henrique Andrade to student Escola Politécnica da Universidade de Pernambuco z siedzibą w Recife, stolicy administracyjnej tego brazylijskiego stanu. Od kilku lat kolekcjonuje mapy swojego rodzinnego miasta, wyszukuje też i bada ich cyfrowe wersje. Dzięki temu odkrył nowe fakty o Recife i zapragnął udostępnić je całej społeczności, aby miała dostęp do własnej przeszłości i zrozumiała swoją tożsamość.

A „przy okazji” zrobił o wiele więcej – współtworzył narzędzie dla historyków, archeologów i urbanistów wykorzystujące algorytmy sztucznej inteligencji. Opracował bowiem algorytm uczenia maszynowego, który przekształca stare mapy w „obrazy satelitarne”, podobne do tych, jakie oferują mapy Google’a.

Recife, stolica Pernambuco, jednego z 26 brazylijskich stanów, to port nad Atlantykiem założony przez Portugalczyków w 1537 roku. Pozostawał w ich posiadaniu do uzyskania przez Brazylię niepodległości, z wyjątkiem okresu 1630-1654, kiedy był stolicą Nowej Holandii. Region słynął z plantacji trzciny cukrowej. Obecnie Recife z blisko 1,7 miliona mieszkańców jest dużym centrum gospodarczym i turystycznym, z wygodnym lotniskiem, wieloma zabytkami i pięknymi plażami oraz – jak na Brazylię przystało – trzema dużymi stadionami piłkarskimi.

Andrade zwrócił się o pomoc w przygotowaniu algorytmu do profesora swojego uniwersytetu, Bruno Fernandesa. Wspólnie wykorzystali istniejące narzędzie SI o nazwie Pix2pix, które opiera się warunkowanych generatywnych sieciach przeciwstawnych (cGAN – patrz ramka).

Andrade i Fernandes opisali swoje podejście w artykule opublikowanym 24 września 2020 r. w „IEEE Geoscience and Remote Sensing Letters”. W tym badaniu użyli do przetworzenia przez SI mapę Recife z 1808 roku i wygenerowali współczesne obrazy tego obszaru. Porównali ją z rzeczywistymi ujęciami terenu w mapach Google’a. To dało możliwość wyciągnięcia ważnych wniosków na temat tego, jak i dlaczego miasto zmieniło się przez ostatnie 200 lat. Jego geografia uległa drastycznym zmianom – w wyniku działalności ludzkiej zniknęły tereny zielone, a zbiorniki wodne zostały wyparte przez wysypiska śmieci.

System zaprezentowany przez brazylijskich badaczy wymaga tylko nieznacznej ilości danych wejściowych, ale muszą one posiadać pewien historyczny kontekst. Jest też problem z rozdzielczością wygenerowanych map i nad jego rozwiązaniem pracują teraz badacze.

GAN

Idea GAN (generative adversarial networks, czyli generatywne sieci przeciwstawne) powstała w 2014 roku. Można o nich myśleć jako o formie „sztucznej wyobraźni” – ich pierwotnym zadaniem było generowanie obrazów w oparciu o ich istniejące bazy. Działają dzięki dwóm niezależnym sieciom neuronowym, które wciąż ze sobą „rozmawiają”. Pierwsza – generator – ma za zadanie „wymyślać” nowe twory, na przykład obrazy, które następnie podlegają ocenie drugiej sieci – dyskryminatora. Jej zadaniem jest ocenić, czy to, co widzi, jest wygenerowane, czy autentyczne. Sieci uczą się nawzajem, przez co generator tworzy coraz bardziej wiarygodne imitacje rzeczywistości.

Conditional GAN (cGAN) to z kolei odmiana GAN, w której zarówno generator, jak i dyskryminator są warunkowane (conditioned) za pomocą dodatkowego, zewnętrznego źródła danych. Tak wytrenowany model może być multimodalny, to znaczy może przetwarzać różne rodzaje danych, na przykład obrazy i tekst.

JK

Skip to content