L’IA géospatiale, l’intersection des données géospatiales et de l’intelligence artificielle, est la nouvelle frontière de l’innovation technologique qui promet de transformer des industries commerciales entières. Paul Hahn discute des trois forces motrices permettant l’essor de l’IA géospatiale et de l’immense potentiel et opportunités qu’elle représente pour les entreprises, les gouvernements et le monde dans lequel nous vivons.

Derrière l’essor de l’IA géospatiale se cachent trois tendances: une disponibilité accrue des données géospatiales provenant des satellites et de la télédétection, l’avancement de l’intelligence artificielle (en particulier l’apprentissage automatique et en profondeur) et la disponibilité d’une puissance de calcul massive.

Pendant des décennies, les systèmes d’information géographique (SIG) ont été largement utilisés pour présenter une vision de notre monde basée sur des données géographiques et géospatiales. Dans de nombreuses industries à forte intensité d’actifs, telles que l’énergie, les transports et le secteur public, la capacité de visualiser des objets métier sur des cartes est essentielle pour améliorer l’efficacité et la prise de décision.

Cependant, un une révolution significative est en cours, élargissant l’utilisation des données géographiques d’une manière qui promet de perturber des industries entières.

Parfois appelée IA géospatiale, analyse géospatiale ou GEOINT (intelligence géospatiale), l’intersection des données géospatiales et de l’intelligence artificielle sera essentielle pour les entreprises et les gouvernements, allant des centres météorologiques aux laboratoires nationaux, aux agences de défense, aux soins de santé, à l’agriculture, aux assurances, aux transports et beaucoup plus.

Derrière l’essor de l’IA géospatiale se cachent trois tendances: une disponibilité accrue des données géospatiales provenant des satellites et de la télédétection, l’avancement de l’intelligence artificielle (en particulier l’apprentissage automatique et en profondeur) et la disponibilité d’une puissance de calcul massive.

Big Data géospatiales
L’analyse des données géospatiales a toujours été un cas d’utilisation du Big Data. La plupart des données d’observation de la Terre consistent en des images très détaillées et des données chronologiques dans des fichiers de grande taille.

Dans le passé, les données géospatiales étaient difficiles à obtenir – principalement utilisées par les industries à forte intensité de capital comme le pétrole et le gaz ou à des fins gouvernementales telles que l’aménagement du territoire, le renseignement et la défense. Maintenant, avec une disponibilité croissante, les données géospatiales sont largement utilisées par les organisations qui explorent la capacité d’analyser l’emplacement des objets terrestres pour en tirer des informations exploitables.

Au cours des deux dernières décennies, il y a eu une réduction spectaculaire des coûts de lancement de satellites, passant d’une moyenne de 18500 $ (16445 €) / kg en 2000 à 2720 $ (2418 €) / kg en 2018 pour placer un satellite en orbite terrestre basse1. En 2018, Euroconsult2 prévoyait que plus de 7000 petits satellites seraient lancés au cours des dix prochaines années, faisant passer le nombre de satellites d’observation de la Terre de 540 à plus de 1400.

Dans le même temps, l’émergence de nano-satellites à bas prix, de constellations de satellites et de nouvelles technologies de capteurs telles que le radar à synthèse d’ouverture (SAR) et l’imagerie hyperspectrale créent une collection croissante de mégadonnées géospatiales.

L’augmentation de la télécommande Les capacités de détection ont donné naissance au marché des données d’observation de la Terre, qui, selon Northern Sky Research3, atteindra 6,9 milliards de dollars (6,1 milliards d’euros) d’ici 2027, soit le double de sa taille de 2017. Rien qu’en Europe, le marché des données d’observation de la Terre devrait augmenter en 2021, passant de 719 millions de dollars (639 millions d’euros) en 2016 à 1,42 milliard de dollars (1,26 milliard d’euros) selon Technavio4 dans un rapport de 2017.

Au cours des deux dernières décennies, il y a eu une réduction spectaculaire des coûts de lancement de satellites, passant d’une moyenne de 18500 $ (16445 €) / kg en 2000 à 2720 $ 2418 € / kg en 2018 pour placer un satellite en orbite terrestre basse.

Intelligence artificielle
Tout le monde parle de l’IA dans l’entreprise et l’adoption de l’intelligence artificielle a considérablement augmenté, pratiquement toutes les organisations se précipitant pour intégrer et déployer des méthodologies d’IA dans leurs pratiques commerciales de base. Une récente enquête sponsorisée par Cray a révélé que 34% des personnes interrogées considèrent déjà l’IA comme une «cruciale pour les entreprises» capacité, 72% s’attendent à ce que ce soit le cas d’ici 2022.

Au cours de cette première vague d’exploration de l’IA, de nombreuses organisations ont testé les eaux en appliquant quelques techniques basées sur l’IA à leurs flux de travail standard. En juin 2019, Gartner5 a signalé que quatre projets d’IA actifs étaient typiques des entreprises. Ces implémentations à petite échelle étaient de bonnes premières étapes, qui ont aidé de nombreuses entreprises à tester la faisabilité de l’IA pour leur entreprise. Cependant, une augmentation spectaculaire de l’adoption de l’IA est à venir, IDC prévoyant6 que les dépenses passeront de 24 milliards de dollars (21,3 milliards d’euros) en 2018 à 77,6 milliards de dollars (68,9 milliards d’euros) en 2022.

En cours de route, l’apprentissage automatique et l’apprentissage en profondeur sont apparus comme des approches prometteuses pour l’analyse des données géospatiales, offrant une approche pratique pour identifier des caractéristiques ou des objets dans des images satellite détaillées. Les techniques d’apprentissage en profondeur tirent parti d’un réseau neuronal7, un système de calcul qui tente d’imiter le traitement d’un cerveau humain.

Aujourd’hui, une variété de gouvernement et les organisations commerciales utilisent des techniques d’apprentissage en profondeur, associées à des données géospatiales provenant de satellites pour démontrer le potentiel de l’IA géospatiale. Par exemple, à la Conférence canadienne Geoignite de 20198, la Société canadienne d’hypothèques et de logement9 a décrit l’utilisation de l’apprentissage en profondeur et de données géospatiales satellitaires pour suivre les mises en chantier, en particulier pour les communautés éloignées et autochtones. En 2017, Capgemini10 a utilisé les données SAR et l’apprentissage automatique pour mesurer le repeuplement des forêts au Royaume-Uni, augmentant ainsi un processus manuel coûteux en main-d’œuvre.

Au fur et à mesure que l’IA géospatiale mûrit, nous verrons une attention accrue sur les flux de travail intégrés de l’IA, où les problèmes de performances et de rentabilité dicteront les choix technologiques. Par exemple, l’étape d’acquisition de données du flux de travail d’IA géospatiale – où d’énormes quantités de données géospatiales sont capturées et mises en scène pour traitement – concentrera les décisions technologiques sur la capacité de stockage et le débit hautes performances. Autres étapes telles que les données la préparation et le développement de modèles conduiront à des compromis prix et performances entre les systèmes intégrant des processeurs polyvalents ou des GPU spécialisés d’Intel, d’AMD et de NVIDIA.

Le Super computing ou le calcul intensif
L’adoption généralisée de l’IA géospatiale ne peut se faire sans le calcul intensif – des systèmes qui fournissent les ressources informatiques et de stockage massives nécessaires au développement et à la livraison d’applications d’IA en temps opportun.

L’IA géospatiale est un problème de superinformatique11. L’univers numérique double de taille tous les deux ans, pour atteindre 175 zettaoctets d’ici 202512, et les applications d’IA prospèrent sur des ensembles de données massifs. Ajoutez à cela l’intérêt et le besoin croissants de machines distribuées et de méthodes d’apprentissage en profondeur13 (méthodes qui améliorent la productivité des scientifiques des données) pour former des algorithmes d’apprentissage en profondeur en moins de temps en parallélisant le calcul d’entraînement sur plusieurs machines.

Pour illustrer à quel point la puissance de calcul est nécessaire pour la formation, considérons cet exemple: Un rapport de recherche récent de Digital Catapult14 a constaté qu’une exigence de calcul minimale approximative pour entraîner un réseau de neurones profond sur un ensemble de données de 1,28 million d’images serait de l’ordre d’un exaflop (un quintillion d’opérations de calcul par seconde).

Le traitement et l’analyse de volumes de données en constante augmentation, la prise en charge de charges de travail hétérogènes et la mise en place de méthodes de formation distribuées nécessitent tous des architectures informatiques de plus en plus puissantes et performantes.

Pour le chef d’entreprise chargé d’améliorer l’efficacité opérationnelle ou de créer des résultats révolutionnaires, la révolution des données géospatiales offre une promesse alléchante: des opportunités presque illimitées lorsqu’elle est associée à l’imagination.

Les supercalculateurs sont des architectures étroitement intégrées, hautement évolutives et zéro déchet qui offrent la bonne technologie pour chaque tâche afin de permettre une efficacité maximale des applications et d’éliminer les goulots d’étranglement de calcul. Ils excellent dans l’ingestion, le déplacement et le traitement de volumes massifs de données. Et maintenant, les systèmes sont spécialement conçus pour que tout des processeurs à l’écosystème logiciel est conçu pour permettre à divers flux de travail d’IA et d’entreprise de s’exécuter simultanément sur un seul système. Enfin, la puissance de calcul offerte par les supercalculateurs permet de former des réseaux de neurones d’apprentissage en profondeur plus importants en utilisant des ensembles d’entraînement géospatiaux plus grands en moins de temps.

Les prévisions de marché pour le calcul intensif le confirment. En juin, Hyperion Research a prédit15 que d’ici 2023, plus de 2,7 dollars (2,4 milliards d’euros) seraient dépensés dans le monde pour des serveurs de calcul haute performance dédiés à l’IA et que l’IA représente le segment à la croissance la plus rapide, avec un TCAC sur cinq ans de près de 30%.

Cela se résume à ceci: les supercalculateurs sont les seules machines qui offrent les outils et les technologies nécessaires pour fournir les capacités dont les organisations auront inévitablement besoin lorsqu’elles adopteront la vague d’IA géospatiale à venir.

Mettre tout cela ensemble
Pour le chef d’entreprise chargé d’améliorer l’efficacité opérationnelle ou de créer des résultats de rupture, la révolution des données géospatiales offre un promesse alléchante: opportunité presque illimitée associée à l’imagination. Il est difficile de penser à un secteur commercial ou à une entité gouvernementale qui ne peut pas utiliser les données géospatiales et l’intelligence artificielle.

SEO INSIDE est une agence web