เดลล์ เทคโนโลยีส์ หนุนปกป้อง Great Barrier Reef
เดลล์ เทคโนโลยีส์ ประกาศเปิดตัวโมเดลเทคโนโลยี deep leaning ใหม่ ในโครงการความร่วมมือกับ Citizens of The Great Barrier Reef
องค์กรด้านการอนุรักษ์ในประเทศออสเตรเลีย ที่เปิดให้นักวิทยาศาสตร์ภาคพลเมือ'ทั่วโลกเข้ามาช่วยกันวิเคราะห์ภาพถ่ายการสำรวจต่าง ๆ ที่รวบรวมจากแนวปะการัง Great Barrier Reef ได้อย่างรวดเร็วและแม่นยำยิ่งขึ้นในเฟสต่อไปของการสำรวจขนาดใหญ่ของ Great Reef Census (GRC)
โมเดล deep learning ของเดลล์จะช่วยให้เห็นถึงความพยายามในการอนุรักษ์แนวประการัง Great
Barrier Reef หนึ่งในสิ่งมหัศจรรย์ทางธรรมชาติที่ยิ่งใหญ่ที่สุดในโลกได้ดียิ่งกว่าเดิม โซลูชันเอดจ์ (Edge) ของเดลล์ที่นำมาใช้บนเรือก่อนหน้านี้จะทำการอัพโหลดข้อมูลอัตโนมัติไปยังโมเดลของ deep learning โดยตรงผ่านเครือข่ายโทรศัพท์เคลื่อนที่สำหรับการถ่ายภาพแบบเรียลไทม์ ซึ่งจะช่วยเพิ่มขีดความสามารถของ GRC ด้วยการเร่งความเร็วในการวิเคราะห์ภาพถ่ายที่ก่อนหน้านี้ต้องใช้อาสาสมัครที่เป็นมนุษย์เพียงอย่างเดียว โดยช่วยให้นักวิทยาศาสตร์ภาคพลเมืองสามารถเข้ามาสนับสนุนความพยายามในการฟื้นฟูพื้นที่ที่ต้องการความช่วยเหลือมากที่สุดได้อย่างรวดเร็ว รวมถึงในช่วงเวลาสำคัญของปี อาทิ ฤดูวางไข่
ปัจจุบัน การวิเคราะห์ของ deep learning ใช้เวลาเพียงไม่ถึงหนึ่งนาทีต่อภาพถ่ายเมื่อเทียบกับ การสำรวจในครั้งก่อน ๆ ที่ใช้เวลาเจ็ดหรือแปดนาที และจากช่วงแรกเริ่มของ GRC ที่ใช้เวลาถึง 1,516 ชั่วโมงในการตรวจสอบภาพถ่าย 13,000 ภาพ ปัจจุบันโมเดลสามารถวิเคราะห์ชุดข้อมูลเดียวกันได้ภายในเวลาไม่ถึง 200 ชั่วโมง
แนวคิดริเริ่มนี้สอดคล้องกับความมุ่งมั่นอันแรงกล้าของเดลล์ เทคโนโลยีส์ ในเรื่องสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG) เพื่อพัฒนาความยั่งยืน ด้วยการสร้างเทคโนโลยีที่ช่วยขับเคลื่อนสู่ความก้าวหน้า พร้อมการทำงานร่วมกับลูกค้า พันธมิตร ซัพพลายเออร์ ตลอดจนชุมชนต่าง ๆ ในการดำเนินการเพื่อตอบสนองการเปลี่ยนแปลงสภาพภูมิอากาศได้อย่างมีประสิทธิภาพ
ทั้งนี้ GRC ถือเป็นความร่วมมืออย่างแท้จริงทั่วทั้งภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ) ที่ผสานความเชี่ยวชาญของทีมงานจาก Citizens of the Great Barrier Reef จากเดลล์ รวมถึงทีมนักวิจัยจากมหาวิทยาลัยแห่งควีนส์แลนด์ (UQ) และจากมหาวิทยาลัยเจมส์คุค (JCU) ตลอดจน Sahaj Software Solutions และนักวิทยาศาสตร์ภาคพลเมืองที่เข้าร่วมโครงการ นอกจากนี้เดลล์ยังทำงานร่วมกับทีมนักวิทยาศาสตร์ด้านข้อมูล (data scientists)
ในประเทศสิงคโปร์ เพื่อขัดเกลาและดำเนินการทดสอบโมเดล deep learning ที่คัดสรรมาใช้งานร่วมกับชุมชนในวงกว้างอย่างต่อเนื่อง เพื่อให้มั่นใจว่าตรงตามมาตรฐานการเปรียบเทียบ (benchmarking standards) อย่างแท้จริง
สำหรับเป้าหมายต่อไป แอนดี้ ริดลีย์ ผู้ก่อตั้ง Citizens of the Great Barrier Reef มุ่งหวังที่จะขยายผลการดำเนินงานของ GRC ที่ขับเคลื่อนด้วยโมเดล deep learning และชุมพลังของโซลูชันเอดจ์ (Edge) ของเดลล์ ที่ให้ศักยภาพในการขยายขอบเขตการทำงานและนำมาทำซ้ำ เพื่อใช้กับไซต์แนวปะการังอื่น ๆ ทั่วโลกได้โดยไซต์ทดลองแรกที่อยู่นอกประเทศออสเตรเลียจะเริ่มที่ประเทศอินโดนีเซีย
อามิต มิธา ประธานภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ) และโกลบอล ดิจิทัล ซิตี้เดลล์ เทคโนโลยีส์ กล่าวว่า เดลล์ เทคโนโลยีส์ได้ประสานความร่วมมือกับองค์กรที่มีแนวคิดคล้ายคลึงกันเพื่อสร้างผลกระทบทางสังคมในเชิงบวกต่อสภาพอากาศ การนำเทคโนโลยีของเรามาช่วยสนับสนุนด้านการวิจัยในโครงการ Citizens of the Great Barrier Reef นับว่าก้าวมาไกลพอสมควร ตั้งแต่ที่เริ่ม Great Reef Census ครั้งแรกจนมาถึงวันนี้ ซึ่งพลังของ deep learning จะเข้ามาช่วยขยายศักยภาพด้านการอนุรักษ์ของทีมให้สามารถเข้าถึงข้อมูลที่มีคุณภาพได้อย่างรวดเร็ว พร้อมทั้งช่วยผลักดันความร่วมมือระหว่างทุกฝ่ายที่เกี่ยวข้องให้ประสบความสำเร็จ
ได้ เราเชื่อว่านวัตกรรมต่าง ๆ เช่นนี้จะช่วยให้พันธมิตรของเราสร้างความก้าวหน้าให้กับเป้าหมายด้านความยั่งยืนและสามารถนำความพยายามด้านการอนุรักษ์ในลักษณะดังกล่าวไปดำเนินการซ้ำ เพื่อต่อยอดโครงการทั้งในระดับภูมิภาคและในระดับโลกได้”
ประเด็นสำคัญหลักจากความร่วมมือ:
ความร่วมมืออย่างต่อเนื่องกับ Citizens of the Great Barrier Reef คือการยืนยันเจตนารมณ์และพันธสัญญาที่ชัดเจนของเดลล์ เทคโนโลยีส์ในการขับเคลื่อนความก้าวหน้าด้านความยั่งยืน (sustainability) และเพื่อเปลี่ยนวัตถุประสงค์ก้าวไปสู่การปฏิบัติที่เป็นจริงภายในภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ)
โมเดลการเรียนรู้แบบ deep learning ใหม่ของเดลล์ ช่วยต่อยอดความพยายามในการอนุรักษ์แนวปะการัง Great Barrier Reef โดยช่วยลดเวลาในการวิเคราะห์ภาพแนวประการังต่างๆ ซึ่งโมเดลใหม่นี้
ช่วยให้อาสาสมัครสามารถตรวจสอบภาพถ่าย 13,000 ภาพให้เสร็จได้ภายในระยะเวลาแค่เพียงสัปดาห์เดียว ซึ่งในช่วงแรกของ Great Reef Census กระบวนการดังกล่าวใช้เวลานานกว่าสองเดือน
สำหรับการรณรงค์ในปีนี้ อาสาสมัครในโครงการจะช่วยกันวิเคราะห์ภาพถ่ายจำนวน 42,000
ภาพที่รวบรวมมา จากแนวปะการัง 315 แห่งที่เรียงรายตลอดแนวปะการังของอุทยานทางทะเล (marine park)
ที่มีความยาวถึง 2,300 กิโลเมตร
โมเดลการจำแนกพิกเซลจำนวนหลายล้านพิกเซลในภาพเพื่อแบ่งเป็นพื้นที่สีต่าง ๆ โดยแต่ละสีมีความหมายถึงลักษณะที่แตกต่างกัน หรือที่เรียกว่า semantic segmentation ของกระบวนการ deep learning ขับเคลื่อนด้วยการประมวลผลระบบคอมพิวเตอร์ที่ใช้ทรัพยากรทุกส่วนเพื่อให้ได้ประสิทธิภาพสูงสุด (HPC: high performance computing) ของเดลล์ร่วมกับหน่วยประมวลผลกราฟิก หรือ GPU จะช่วยเร่งให้ระบบฝึกฝนโมเดลได้เร็ว และใช้ระบบ Dell PowerScale ในการจัดเก็บข้อมูล โดยแพลตฟอร์มการประมวลผลที่อยู่บนฝั่งยังรวมไปถึง Dell PowerEdge เซิร์ฟเวอร์ที่รองรับคลัสเตอร์การฝึกฝน AI ตลอดจนกลไกการเรียนรู้ที่หลากหลายของ AI