MS Wissenschaft beendet Tour zur Künstlichen Intelligenz – aber weiter geht es im Web – auch mit unserem Exponat zu Trainingsdaten für Satellitenbilder

  • Gerade beendete die MS Wissenschaft ihre Tour durch 31 Städte zwischen Berlin und Wien in diesem Wissenschaftsjahr zum Thema “Künstliche Intelligenz“.
  • 85.000 Menschen – Schulklassen, Familien und Interessierte aller Altersklassen – besuchten die Ausstellung zum Thema lernende Computersysteme an Bord des Wissenschaftsschiffs.
  • Zu den Besonderheiten der Ausstellung zählten die zahlreiche Dialog- und Mitmachangebote an Bord.
  • Mit an Board war ein Exponat des Heidelberg Institut for Geoinformation Technology (HeiGIT) zusammen mit dem Alfred-Wegener-Institut (AWI). Dieses Exponat ist nun auch weiterhin in einer Web-tauglichen Form auf den Webseiten des Wissenschaftsjahrs verfügbar und kann dort genutzt werden:

Das Thema “Künstliche Intelligenz” des Wissenschaftjahres 2019 wird im Exponat “Mensch Maschine – Forschung im Team an zwei Beispielen aufgegriffen. Diese zeigen wie jedermann durch das Erzeugen von Trainingsdaten KI-Algorithmen für das Erkennen von Informationen aus Satellitenbilder mit den notwendigen Trainingsdaten versorgen können.

Die Beispiele sind:

1.) Die Kartierung von Gebäuden für die humanitäre Hilde (ähnlich zur MapSwipe App für das MissingMaps Projekt) und

2.) das Erkennen von arktischen Frostmusterböden für die Klimaforschung.

Die Bildauswertung erfolgt in kleinen, einfachen Aufgaben (sogenannten „Mikro-Tasks“) – geeignet für Groß und Klein!

MIT KI DIE ERDE ERKUNDEN:

Zahlreiche Satelliten machen aus dem All Fotos von unserer Erdoberfläche und bringen den Menschen dadurch viel über ihren Planeten bei – zum Beispiel wie das Ökosystem der Arktis ausgeprägt ist oder welche Ausmaße Naturkatastrophen haben können. In der Ausstellung und jetzt auch online könnt ihr eine KI trainieren, sodass sie in kürzester Zeit selbstständig die Satellitendaten interpretieren kann.

zum KI-Trainer

Weiterführende Informationen zum „Micro-Mapping” + KI:

Herfort, B., Li, H., Fendrich, S., Lautenbach, S., Zipf, A. (2019): Mapping Human Settlements with Higher Accuracy and Less Volunteer Efforts by Combining Crowdsourcing and Deep Learning. Remote Sensing 11(15), 1799. https://doi.org/10.3390/rs11151799

Chen, J., Y. Zhou, A. Zipf and H. Fan (2018): Deep Learning from Multiple Crowds: A Case Study of Humanitarian Mapping. IEEE Transactions on Geoscience and Remote Sensing (TGRS). 1-10. https://doi.org/10.1109/TGRS.2018.2868748

Refs:

https://ms-wissenschaft.de/mitmachen/

https://www.wissenschaftsjahr.de/2019/neues-aus-der-wissenschaft/oktober-2019/ms-wissenschaft-beendet-tour-durch-31-deutsche-und-oesterreichische-staedte/