fAIr
fAIr est un service de cartographie assistée par IA ouvert développé par HOT qui vise à améliorer l'efficacité et la précision des efforts de cartographie à des fins humanitaires.
Le service utilise des modèles d'IA, plus précisément des techniques de vision par ordinateur, pour détecter des objets tels que des bâtiments, des routes, des cours d'eau et des arbres à partir d'images satellitaires et de drones. Le nom fAIr est dérivé des termes suivants :
f : pour liberté et logiciel libre et open-source
AI : pour Intelligence Artificielle
r : pour résilience et notre responsabilité envers nos communautés et le rôle que nous jouons dans la cartographie humanitaire
fAIr : pour qui ?
fAIr est un nouveau service de cartographie IA conçu pour les cartographes OSM humanitaires. Il vise à améliorer l'efficacité de la cartographie en offrant une assistance IA sur les plateformes mobiles et web. Les utilisateurs peuvent créer et utiliser leurs propres modèles d'IA, améliorant ainsi les efforts de cartographie dans leurs régions ou pour des causes humanitaires.
Qu'est-ce que fAIr exactement ?
fAIr est un outil de cartographie IA open source unique. Il permet aux communautés locales de créer et d'entraîner des modèles d'IA, favorisant l'équité et la pertinence dans la cartographie. Grâce aux retours constants de la communauté, nous luttons contre les biais et améliorons les conditions de vie dans les zones cartographiées.
Comment cela fonctionne-t-il ?
fAIr utilise des modèles d'IA par les cartographes OSM humanitaires pour détecter des éléments cartographiques à partir d'images satellitaires et de drones open source. Il suggère des ajouts à OSM sans importation massive, fournissant des boucles de rétroaction précises pour améliorer l'intelligence des modèles grâce aux corrections des cartographes OSM.
Pourquoi fAIr ?
f(AI)r met le contrôle des modèles d'IA et de leur formation directement entre les mains des cartographes qui les utilisent pour une création de données meilleure et plus rapide.
HOT constate que les cartographes peuvent, en moyenne, cartographier entre 1000 et 1500 bâtiments par jour de travail sans assistance IA. Lors d'un projet pilote de cartographie assistée par IA (2019-2020) soutenu par Microsoft, 18 millions d'empreintes de bâtiments ont été extraites d'images satellitaires pour toute la Tanzanie et l'Ouganda. HOT a découvert lors de ce pilote que cette cartographie moyenne a presque doublé pour atteindre 2500-3000 bâtiments ajoutés à OSM par jour avec l'assistance de jeux de données open source IA de haute qualité. fAIr cherche à résoudre trois problèmes anticipés :
1. Ouverture des modèles d’IA : La cartographie assistée par l’IA à des fins humanitaires ressemble à une boîte noire. Il existe des résultats open source utiles provenant de l'IA (par exemple l'ensemble de données routières mondiales de META disponible dans RapiD). Cependant, les modèles (code) ne sont actuellement pas open source.
2. Biais des modèles : Avoir des biais de modèles signifie que la prédiction sur des images satellitaires serait biaisée vers le jeu de données d'entraînement utilisé pour enseigner le modèle d'IA, et la nature et la qualité de l'imagerie sont très différentes à travers le monde. Voici trois images différentes d'Asie et d'Afrique montrant une nature d'imagerie totalement différente :
Source : OpenAerialMap
3. Manque de rétroaction : Aucune amélioration n'est facilement appliquée à l'intelligence et à la précision des modèles d'IA, et les humains sont hors de la boucle lors de la construction des modèles d'IA, cela est dû au fait que les modèles d'IA sont soit fermés, soit ont été construits une fois et mis à disposition des utilisateurs finaux, de sorte que les améliorations nécessiteraient de répéter le processus depuis le début.
Liens
Recent News
Five Years of Building, Learning, and Imagining the Future of Open Mapping in Asia–Pacific
Five Years of Building, Learning, and Imagining the Future of Open Mapping in Asia–Pacific
