Die Ausgangssituation

Der Mensch ähnelt oft dem Frosch im warmen Wasser. Kleiner Änderungen mag er nicht verspüren und die notwendige Reaktion bleibt aus. Der Klimawandel ist ein schleichendes, globales Phänomen und tritt oftmals erst über Jahrzente und im nebeneinander Vergleich auf. Es ist in dem Klimawandelkontext und in Bezug zu unsere Schuld / Verantwortung jedoch überaus wichtig, diese Änderung aufzuzeichnen und zu kommunizieren. Auf englisch: die Awareness zu steigern. 

Zielsetzung

Das Ziel hinter AI4Earth ist der Einsatz von KI und EO Daten, um diese Änderungen in einer Awarenesskampagne hervorzugeben. Das Format des 2-monatigen Hackathons beinhaltet Teams und deren Ansatz zu gewissen Themen Modelle zu entwickeln, welche automatisiert Änderungen und Geschehnisse auf der Welt aufzuzeigen. Als Basis dient ESA´s EO Daten (offene Daten). Das Endresultat ist ein ca. 2 minutiges Video mit den Ergebnissen der Teams. 

AI4Earth

AI4Earth hat im August 2021 seinen Start genommen. Insgesamt haben über 54 Teilnehmen aus 18 verschiedenen Ländern an der Challenge teilgenommen. Als führender Partner hat MLReef zum einen den Hackathon mit geleitet und die Infrastruktur zur Entwicklung der Modelle zur Verfügung gestellt. Begleitet wurde das Hackathon von Masterclasses - so auch von MLReef über die Verwendung unserer Plattform sowie zu Best Practices im EO Bereich. 

ESA, mit Unterstützung vom Phi-Lab aus Italien, hat einerseits die Daten und andererseits technische und inhaltliche Unterstützung geleistet. Dadurch konnten die Teams sich schnell in dem EO Feld beheimaten und rasch erste Resultate liefern. ESA hat MLReef eingeladen im Rahmen des jährlichen phi-weeks uns als Plattform zu präsentieren und wir durften einzelne Teams einladen, ihre Projekte vorzustellen. Zusätzlich konnten wir ADOBE dazu bewegen, den Teilnehmern Unterstützung in der Entwicklung der Videos zu geben. 

Die Teams haben folgende Themen ausgearbeitet: 

• Team 1: Marine Intelligence: Remote coral reef monitoring
• Team 2: Dying rivers and the damming race
• Team 3: Remote ground-level pollution (NO2) monitoring
• Team 4: Deforestation detector in the Amazon region

Während der Zeit haben die Teams MLReef genutzt, um ihre Daten zu verwalten, bearbeiten und visualisieren. Einige der Teams konnten auch die Plattform nutzen, um ihre Modelle zu trainieren und die gewonnenen Resultate zu vergleichen. Zusätzlich haben die Teams wesentlich "AI Module" (das sind open source Funktionen, welche in MLReef Pipelines von jedem genutzt werden können) erstellt und auf der Plattform publiziert. Somit stehen zukünftigen Data Scientists und Teams diese Funktionen zur Verfügung. Weiters haben die Teams während den 2 Monaten sehr wertvolle Erkenntnisse und Feedback gegeben, wodurch wir unsere Plattform weiter verfeinern und ausarbeiten können. 

Das finale AI4Earth Video wird aktuell von den Teams unter unserer Leitung erstellt. Ein Update folgt somit in Kürze :).