Giám sát nguồn cung thực phẩm trên Trái đất sử dụng học máy
Kết hợp học máy, ảnh vệ tinh và tính toán đám mây giúp tăng hiểu biết về mức sống toàn cầu và giúp vận hành chuỗi hỗ trợ thực phẩm hiệu quả hơn.
Thế giới hiện tại có hơn 7 tỉ người và cứ 8 người thì 1 người không được hỗ trợ đầy đủ thực phẩm để sống. Với sự gia tăng dân số nhanh chóng, dự báo sẽ là 9 tỉ người vào năm 2050, nhu cầu cho thực phẩm đang trở thành một mối quan tâm hàng đầu.
Descartes Labs, một start-up ở Los Alamos, New Mexico đang sử dụng học máy cho phân tích ảnh vệ tinh để dự đoán khả năng cung cấp thực phẩm và có thể giúp dự đoán các thảm họa thực phẩm trước khi chúng xuất hiện. Descartes Labs sử dụng cả các nguồn ảnh miễn phí như Landsat, MODIS của NASA, Sentinels của ESA và ảnh thương mại như Planet, ngoài ra còn có các dữ liệu miễn phí từ Google Earth và Amazon Web Services.
Descartes Labs cũng sử dụng các dữ liệu như: dự báo thời tiết và giá nông sản để đưa vào mô hình học máy của họ để theo dõi và tính toán nguồn cung thực phẩm với độ chính xác đáng kinh ngạc. Mô hình của họ có thể xác định các cánh đồng lương thực, loại cây trồng trên đó và sau đó là dự báo sản lượng.
Toàn bộ dữ liệu của Descartes Labs có dung lượng xấp xỉ 1 Petabyte, trong đó bao gồm 40 năm ảnh Landsat. Họ cũng xây dựng một nền tảng điện toán đám mây cho phân tích dữ liệu không gian. Nền tảng này cung cấp cả giao diện Web và API. Giao diện Web được sử dụng để hiển thị dữ liệu còn API cho phép người dùng tương tác trực tiếp với dữ liệu.