Yeni uydu, yapay zekanın Dünya gözlemini nasıl ilerlettiğini göstermeyi amaçlıyor

Yapay zeka teknolojileri, bilimsel araştırmaların ve gerçek dünya uygulamalarının omurgası olarak önemli başarılara imza atmış ve değerini göstermeye devam etmektedir.

ESA’nın önümüzdeki haftalarda fırlatılacak olan yeni Φsat-2 görevi, Dünya gözleminde yapay zekanın sınırlarını zorlayarak, yapay zekanın uzay teknolojisi için dönüştürücü potansiyelini gösterecek.

Dünya gözlemi, onlarca yıldır bilim insanları, işletmeler ve politika yapıcılar için zengin bir eyleme dönüştürülebilir veri akışı sağladı. Yeni uydular ve gelişmiş sensörler sayesinde, mevcut Dünya gözlem verilerinin ölçeği ve kalitesi son on yılda katlanarak arttı.

Yapay zekanın entegrasyonu Dünya gözlemini önemli ölçüde geliştirdi. Yapay zeka yetenekleri daha fazla verinin hızlı ve doğru bir şekilde işlenmesine olanak tanıyarak, büyük miktarda ham verinin eyleme dönüştürülebilir içgörülere dönüştürülmesine yardımcı olur.

ESA, Dünya gözlem görevlerinde yenilikçi teknolojilerin geliştirilmesini ve uygulanmasını teşvik etme girişiminin bir parçası olarak 2020 yılında Ф-sat-1’i fırlattı. Bu, ESA’nın yapay zekanın Dünya gözlemi için nasıl kullanılabileceğini gösteren ilk deneyiydi ve halefi Φsat-2’nin önünü açtı.

Φsat-2, genişletilmiş yerleşik işlemenin faydalarını ve yeteneklerini tam olarak araştıracak ve yenilikçi Dünya gözlemi için yapay zekanın kullanılmasının faydalarını daha da gösterecek özel bir yapay zeka görevidir.

ESA’nın sadece 22 x 10 x 33 cm boyutlarındaki Φsat-2 uydusu, görüntüleri gerçek zamanlı olarak analiz edip işleyen çok spektral bir kamera ve güçlü bir yapay zeka bilgisayarı ile donatılmış olup, gezegenimizi izlemek için daha akıllı ve daha etkili yollar sunma vaadinde bulunuyor.

Üzerinde altı adet yapay zeka uygulaması çalışan uydu, görüntüleri haritalara dönüştürmek, görüntülerdeki bulutları tespit etmek, bunları sınıflandırmak ve bulut dağılımı hakkında bilgi sağlamak, gemileri tespit etmek ve sınıflandırmak, gemideki görüntüleri sıkıştırmak ve indirme süresini kısaltarak yer altında yeniden oluşturmak, deniz ekosistemlerindeki anormallikleri tespit etmek ve orman yangınlarını tespit etmek üzere tasarlanmıştır.

ESA’nın Φsat-2 Teknik Sorumlusu Nicola Melega, “Φsat-2, uzaydan gerçek zamanlı içgörülerin yeni bir dönemini başlatacak ve özel AI uygulamalarının yörüngedeyken bile uyduda kolayca geliştirilmesine, kurulmasına ve çalıştırılmasına olanak tanıyacak. Bu uyarlanabilirlik, uydunun bilim insanları, işletmeler ve hükümetler için değerini en üst düzeye çıkarıyor.” şeklinde yorumda bulundu.

Φsat-2 görevi, ESA ve ana yüklenici olarak görev yapan Open Cosmos ile Ubotica, GGI, CEiiA, GEO-K, KP-Labs ve SIMERA’nın da aralarında bulunduğu bir endüstriyel konsorsiyumun desteklediği ortak bir çalışmadır.

ESA’nın Arctic Weather Uydusu ile yörüngeye yerleşen Φsat-2’nin, ABD’nin Kaliforniya eyaletindeki Vandenberg Hava Kuvvetleri Üssü’nden SpaceX Falcon 9 ile Temmuz 2024’te fırlatılması planlanıyor.

Φsat-2, Dünya’yı yedi farklı bantta görüntüleyen çok spektral bir cihaz taşıyor ve yapay zeka uygulamaları sayesinde, aşağıdakiler de dahil olmak üzere yerden eyleme dönüştürülebilir bilgiler sağlayabilen birçok şeyi yapabiliyor:

Bulut algılama

Bulutların ardında kalanlar da dahil olmak üzere tüm çekilen görüntüleri aşağı bağlayan geleneksel uyduların aksine, Φsat-2 bu görüntüleri doğrudan yörüngede işleyerek Dünya’ya yalnızca net, kullanılabilir görüntülerin gönderilmesini sağlıyor.

KP Labs tarafından geliştirilen bu uygulama bulutları sınıflandırabilir ve bulut dağılımına ilişkin içgörüler sağlayabilir. Bu, bir görüntünün kullanılabilir olup olmadığına karar verme zamanı geldiğinde kullanıcılara daha fazla esneklik sağlar.

Sokak haritası oluşturma

CGI tarafından geliştirilen Sat2Map uygulaması uydu görüntülerini sokak haritalarına dönüştürür. Bu yetenek özellikle acil müdahale ekipleri için faydalıdır ve sel veya deprem gibi felaketler sırasında erişilebilir yolları belirlemelerini sağlar.

Uydu, etkilenen bölgenin yörüngesinde döndüğünde ve görüntüler elde ettiğinde, görüntüler sokakları belirleyecek ve buna uygun bir harita oluşturacak olan yerleşik işlemciye aktarılır.

Uygulamanın ilk etapta Güneydoğu Asya’da tanıtımı yapılarak kriz yönetimindeki potansiyeli ortaya konulacak.

Deniz aracı tespiti

CEiiA tarafından geliştirilen deniz aracı tespit uygulaması, makine öğrenimi tekniklerini kullanarak belirli bölgelerdeki gemileri otomatik olarak tespit edip sınıflandırarak yasadışı balıkçılık gibi faaliyetlerin izlenmesini kolaylaştırır. Bu uygulama, uydunun deniz güvenliği ve çevre koruma çabalarını desteklemedeki rolünü vurgular.

Yerleşik görüntü sıkıştırma ve yeniden yapılandırma

GEO-K tarafından geliştirilen bu uygulama, gemideki görüntüleri sıkıştırmaktan sorumludur. Dosya boyutlarını önemli ölçüde azaltarak, bu uygulama veri indirmelerinin hacmini ve hızını artırır. Görüntüler yere indirildikten sonra, özel bir kod çözücü kullanılarak yeniden oluşturulur. Bu teknolojinin ilk gösterileri, binaların tespitine odaklanarak Avrupa üzerinde gerçekleşecektir.

Φsat-2’nin yetenekleri, uydu yörüngeye girdiğinde yüklenecek iki ek yapay zeka uygulamasının eklenmesiyle daha da genişletildi.

Bu AI uygulamaları, ESA’nın Φ-lab’ı tarafından organize edilen OrbitalAI yarışmasında kazanan girişlerdi ve şirketlere yörünge içi Dünya gözlem verisi işlemede öncü olma şansı vermek için tasarlandı. Kazanan uygulamalar şunlardır:

Deniz anomalisi tespiti

IRT Saint Exupery Teknik Araştırma tarafından geliştirilen bu uygulama, deniz ekosistemlerindeki anormallikleri tespit etmek için makine öğrenimi algoritmasını kullanıyor ve petrol sızıntıları, zararlı alg patlamaları ve yoğun tortu deşarjları gibi deniz ekosistemine yönelik tehditleri gerçek zamanlı olarak belirliyor.

Orman yangını tespiti

Thales Alenia Space tarafından geliştirilen orman yangını tespit sistemi, müdahale ekiplerine kritik gerçek zamanlı bilgiler sağlamak için makine öğrenimini kullanır. Araç, itfaiyecilerin orman yangınlarını bulmalarına, yangının yayılmasını izlemelerine ve olası tehlikeleri belirlemelerine yardımcı olan bir sınıflandırma raporu sağlar.