NASA ESTO (Earth Science Technology Office) รวมกับหน่วยงานทางด้านสิ่งแวดล้อมอย่าง Mission Blue, Living Oceans Foundation และ IUCN (International Union for Conservation of Nature) ร่วมมือกันพัฒนาเกม NeMO-Net บนแพลตฟอร์ม iOS ทั้ง iPhone และ iPad แต่ Mac ก็สามารถเล่นได้เช่นกัน เกม NeMO-NET เป็นเกมผู้เล่นเดียวที่ให้ผู้เล่นช่วยระบายสีภาพสามมิติเพื่อจำแนกชนิดของปะการังที่เห็น
โดยที่เมื่อเราจำแนกเสร็จเรียบร้อยแล้วเราก็สามารถปล่อยให้ผู้เล่นคนอื่นให้คะแนนการจำแนกของเราได้ แล้วผู้เล่นก็จะได้แต้ม Exp และเลเวลอัพเพื่อช่วยจำแนกปะการังที่ซับซ้อนขึ้นได้ นอกจากนี้ตัวเกมยังรองรับการเล่นแบบ VR (Virtual Reality) อีกด้วยทำให้สามารถสัมผัสประสบการณ์ปะการังใต้น้ำได้อย่างเต็มที่
โดยภาพที่ NeMO-Net เอามาให้เราระบายสีนั้นเป็นภาพจริง ๆ ที่ถ่ายมาจากโดรนสำรวจใต้น้ำและกล้องถ่าย Fluid Lensing ในยานดาวเทียมอย่างกล้อง Fluid Lensing บนดาวเทียม CubeSat NASA FluidCam
โดยข้อมูลที่ผู้เล่นจำแนกไว้ทั้งหมดนั้นจะถูกส่งไปที่ระบบ NeMO-Net หรือระบบ Neural Multi-Modal Observation and Training Network ของ NASA ซึ่ง NeMO-Net เป็น Opensource ของ Deep Convolutional Neural Network หรือ ConvNet ซึ่งเป็นหนึ่งในเทคนิคการทำ Visual Imagery Analysis หรือ Image Analysis เพื่อทำแผนที่ข้อมูล ซึ่งข้อมูลที่ได้เหล่านี้จะถูก Fed ไปที่ Pleiades Supercomputer ของ NASA เพื่อสร้างแผนที่ปะการังทั่วโลก
การมีแผนที่ปะการังทั่วโลกจะช่วยให้นักวิทยาศาสตร์สิ่งแวดล้อมสามารถติดตามการเจริญเติบโตหรือการฟอกขาวของปะการังแต่ละชนิดในแต่ละพื้นที่ได้และจะช่ยให้เราสามารถเปรียบเทียบการเปลี่ยนแปลงของปะการังกับปัจจัยอื่น ๆ อย่าง Anthopogenic pressures, ความเป็นกรดเบส, อุณหภูมิ, ความเข้มข้นของเกลือในทะเลเพื่อหาค่าที่เหมาะสมที่สุดของการเจริญเติบโตของปะการังได้ซึ่งเป็นประโยชน์ต่อการอนุรักษ์ปะการังเป็นอย่างมาก
Convolutional Neural Network คืออะไร
Convolutional Neural Network เป็น Deep learning algorithm ที่จำแนกลักษณะพิเศษของภาพออกมาด้วยการ Feature Extraction โดยผ่านสิ่งที่เรียกว่า Filter หรือ Kernel เพื่อกรองแค่สิ่งที่อยู่ใน Filter ออกมา โดย Filter ของเราอาจจะเป็นแนวทะแยงก็ได้หรืออาจจะเป็นกากบาทหรือเครื่องหมายบวกก็ได้ แล้วแต่คนเขียน Neural network
แล้วเราจะใช้ Filter ที่เรามีนี้ไปทาบบนภาพ Input ที่เราต้องการเช่นภาพปะการังแล้วทาบไปเรื่อย ๆ บนพื้นที่ 3×3 ของภาพซึ่ง Output ที่เราจะได้ก็คือ Feature map
ซึ่งการได้มาของ Feature map เราจะสามารถนำ Model ของ NeMO-Net นี้เองไปใช้จริงได้เพื่อจำแนกชนิดของปะการังทั่วโลก ผู้เล่นหรือผู้จำแนกก็เปรียบเสมือนกับการเทรนโมเดลของ Algorithm นี้ให้แม่นยำนั้นเอง
หากนึกภาพของ ConvNet ไม่ออก ลองจินตนาการว่าเรามีรูปแมวรูปนึงซึ่งถ้าเป็นมนุษย์เราก็จะสามารถแยกได้ทันที่ว่านี่คือแมวแต่ถ้าเป็นโมเดล Neural network มันจะต้องเปรียบเทียบภาพ Input กับโมเดลที่มันเทรนมาว่าตรงกันหรือไม่ ซึ่งถ้าเป็น Convolutional Neural Network มันจะแยกภาพออกมาเป็น Pixel แล้วก็ทำการแยก Layer ออกเป็น 4 Layers โดยที่ Layer นึงเก็บภาพขาวดำ ส่วนอีก 3 Layers เก็บโทนสีและข้อมูลอื่น ๆ
ซึ่งหลังจากนี้มันก็จะเรียนรู้ข้อมูลจาก Layer ที่มันแยกได้ เช่น ถ้าเป็นภาพแมว ConvNet มันก็อาจจะเน้นไปที่หางของแมวว่าอ๋อ ภาพนี้มันมีหางแสดงว่ามันต้องเป็นอะไรสักอย่างที่มีหางแล้วก็จะเปรียบเทียบกับ Layer สีว่าหางแมวมันมีสีอะไร ซึ่งนี่เป็นขั้นตอนการเทรนเบื้องต้น ซึ่งพอเทรนเสร็จเราก็จะต้องบอกมันว่านี่คือภาพแมวมันจะได้จำได้ว่าถ้าได้ Feature map ประมาณนี้ มันคือแมว
พอเทรนเสร็จแล้วนำมาใช้ ตัว Model ก็จะสามารถจำแนกได้ว่ามันคือภาพแมวจากการหาลักษณะเฉพาะที่แมวมันต้องมี เช่น ตัว Model deep learning อาจจะหา Pixel ของหางแมวแต่ถ้าไม่เจอ มันก็อาจจะไปหาหูแทนหรือตาที่เป็นลักษณะเฉพาะของแมวเพื่อยืนยันว่ามันคือแมว แล้วมันก็จะเปรียบเทียบซ้ำกับโมเดล Feature map ของสี เช่น วัตถุที่มันบอกว่าคล้ายหางแมวเนี่ยมันคือหางแมวจริง ๆ โดยการเปรียบเทียบสี เพราะคงไม่มีแมวตัวไหนหางสีเขียว
ซึ่งเทคนิคนี่ก็ถูกนำไปใช้กับ NeMO-Net และเราผู้เล่นก็ได้รับหน้าที่เป็นคนเทรน Neural network ให้มีความแม่นยำก่อนการนำไปใช้จริงในการจำแนกชนิดของปะการังทั่วโลกและสร้างแผนที่ของปะการังทั่วโลกด้วย Supercomputer นั้นเอง
สามารถมารวมเป็นส่วนนึงของการช่วยโลกจำแนกปะการังได้ด้วยการดาวน์โหลด NASA NeMO-Net จาก App Store มาเล่น
เรียบเรียงโดย ทีมงาน SPACETH.CO
