Автор: 
Айсберги влияют на окружающую среду, так как от них поступает холодная пресная вода, смешанная с терригенными питательными веществами. Чем больше они тают, тем сильнее воздействие. Однако таяние не является линейным — оно зависит от температуры окружающего океана, скорости течения и многих других переменных, которые трудно смоделировать или наблюдать. Но расчёт поступления пресной воды на основе спутниковых наблюдений возможен и может быть частично автоматизирован. Учёные создали нейросеть, которая с высокой точностью смогла различить и выделить гигантские айсберги, используемые для мониторинга ситуации с таянием ледяного покрова Земли и изменением мирового океана. Раньше такая работа выполнялась вручную. Исследование опубликовано в журнале The Cryosphere.
Это тем более актуально, так как скорость таяния Западно-Антарктического ледяного щита будет продолжать увеличиваться до конца столетия. А значит, роль Антарктиды в повышении уровня Мирового океана может серьёзно увеличиться в ближайшие десятилетия. И мониторинг за состоянием айсбергов весьма важен. Проблема в том, что на спутниковых снимках айсберги, морской лёд и облака оказываются одинаково белыми и различать их довольно трудно. Современный спутник Copernicus Sentinel-1 может предоставлять изображения айсбергов вне зависимости от облачности и освещённости. На кадрах Copernicus Sentinel-1 айсберги выглядят как яркие объекты. Но и это не всегда позволяет выделить айсберг среди морского льда и береговой линии, а также отличить основную массу от уже отколовшихся, но дрейфующих рядом фрагментов. Соответственно, нейросети, работающие с этими данными, наравне с айсбергами нередко выделяли и другие объекты.
Учёные смогли создать систему, при которой искусственный интеллект научился оценивать сложные нелинейные отношения и принимать во внимание весь контекст изображения. Кроме того, удалось обучить нейросеть, в отличие от аналогов, находить конкретные гигантские айсберги по толщине и площади которых ведутся расчёты. Поясняется, что архитектура нейронной сети основана на известной конструкции U-net. Для её обучения использовали изображения гигантских айсбергов в разной среде, полученные с Sentinel-1, а в качестве примера служили снимки, где объекты были очерчены вручную. Алгоритм был протестирован на семи айсбергах размером от 54 до 1052 км², что примерно соответствует площадям города Берн в Швейцарии и Гонконга соответственно. В базу данных вошли от 15 до 46 изображений каждого айсберга, сделанные в 2014–2020 годах в разные месяцы. Результаты оказались впечатляющими: точность составила 99%. При этом нейросеть выполняла задачу всего за 0,01 секунды — это в 10 тысяч раз быстрее, чем справляется человек.
