DARPA on tehnyt yhteistyötä US Geological Surveyn (USGS) kanssa tutkiakseen koneoppimisen ja tekoälytyökalujen mahdollisuuksia ja tekniikat kriittisten mineraalien arvioinnin nopeuttamiseksi. Tavoitteena on nopeuttaa merkittävästi maan kriittisten mineraalivarojen arviointia automatisoimalla prosessin keskeiset vaiheet.
Arvioinneilla voidaan määrittää olemassa olevien kotimaisten kaivosten mahdolliset mineraalilähteet – olivatpa ne historiallisia tai toimivia – ja auttaa tunnistamaan mahdollisuuksia taloudellisesti ja ympäristön kannalta kannattavaan luonnonvarojen kehittämiseen.
Tässä on haaste: kriittisten mineraalien luettelo sisältää tällä hetkellä 50 mineraalia ja nykyiset arvioinnit ovat työvaltaisia. Perinteisiä tekniikoita käyttämällä kaikkien 50 kriittisen mineraalin arviointi etenee liian hitaasti nykyisten toimitusketjun tarpeiden täyttämiseksi.
DARPA käynnisti yhteistyössä USGS:n, MITERin ja NASAn Jet Propulsion Laboratoryn kanssa AI for Critical Mineral Assessment Competition -kilpailun. Tämä kilpailu pyytää innovatiivisia ratkaisuja ominaisuuksien automaattiseen poimimiseen ja georeferenssiin skannatuista tai rasterikartoista.
Kilpailu sisältää seuraavat kaksi itsenäistä haastetta:
Kartan georeferenssihaaste: Automaattinen karttageoreferenssi on vaikea tehtävä, koska useimpia USGS-karttoja ei ole digitoitu, ja ne voivat olla useissa historiallisissa koordinaattiprojektiojärjestelmissä. Lisäksi skannattujen karttojen ominaisuuksien laatu, jotka ovat kriittisiä kohdistuspisteiden tunnistamisessa, voivat vaihdella suuresti. Osallistujat saavat 1,000 XNUMX tai useamman erityyppisen kartan tietojoukon koulutusta ja validointia varten. Tämän haasteen tavoitteena on paikantaa tarkasti tuntemattoman sijainnin kartta ja koordinaattijärjestelmä sovittamalla yhteen tai useampaan peruskarttaan koordinaattipisteet, jotka voidaan viitata tunnettuihin paikkoihin.
Haaste karttakohteiden poimimiseen: Automaattinen karttakohteiden poimiminen on vaikea tehtävä, koska karttakohteet (polygonit, pisteet, viivat, teksti) menevät usein päällekkäin ja ovat joskus epäjatkuvia. Kohteita ei ole vain kaikenmuotoisia ja -kokoisia, vaan sama ominaisuustyyppi voidaan kuvata eri kartoissa käyttämällä erilaisia symboleja tai kuvioita. Tämän vuoksi on haastavaa luoda yleinen tunniste jopa yhdelle ominaisuudelle, kuten kaivoksen sijainnille tai mineraalivara-alueille. Osallistujille tarjotaan koulutuspaketti, joka koostuu kartoista, joissa jokainen selitekohde on merkitty ja luonnehdittu (pisteenä, viivana tai monikulmiona), ja binääripikselikartan, joka heijastaa ominaisuuden kattavuutta kartalla. Haasteen tavoitteena on tunnistaa kaikki kartan ominaisuudet, jotka näkyvät kartan selitteessä.
Kilpailun ilmoittautuminen ensimmäiseen haasteeseen karttageoreferenssiin aukeaa 15. elokuuta; Ilmoittautuminen toiseen haasteeseen karttapiirteiden poiminnassa alkaa 5. syyskuuta. Kummastakin haasteesta DARPA palkitsee 10,000 3,000 dollaria ensimmäisestä palkinnosta, 1,000 2022 dollaria toisesta palkinnosta ja XNUMX XNUMX dollaria kolmannesta palkinnosta lokakuussa XNUMX.
Brian Wang on futuristisen ajattelun johtaja ja suosittu Science -bloggaaja, jolla on miljoona lukijaa kuukaudessa. Hänen bloginsa Nextbigfuture.com on sijalla 1 Science News Blog. Se kattaa monia häiritseviä tekniikoita ja suuntauksia, kuten avaruus, robotiikka, tekoäly, lääketiede, ikääntymistä estävä biotekniikka ja nanoteknologia.
Hän tunnetaan huipputeknologioiden tunnistamisesta, ja hän on tällä hetkellä perustaja ja varainkeräys korkean mahdollisen alkuvaiheen yrityksille. Hän on syvän teknologian investointien tutkimuksen johtaja ja Space Angelsin enkelisijoittaja.
Hän on usein puhunut yrityksissä, hän on ollut TEDx -puhuja, Singularity University -puhuja ja vieraana lukuisissa radio- ja podcast -haastatteluissa. Hän on avoin julkiselle puhumiselle ja neuvoille.
