Opis projektu
Platforma wytłumaczalnej sztucznej inteligencji pomaga w analizie dużych zbiorów danych z programu Copernicus
Finansowany przez UE projekt DeepCube wykorzystuje postępy w dziedzinie sztucznej inteligencji (SI) i sieci semantycznych, aby w pełni wykorzystać potencjał dużych zbiorów danych pozyskiwanych z programu Copernicus. Celem projektu DeepCube jest rozwiązanie problemów o dużym znaczeniu społeczno-środowiskowym oraz poprawa zrozumienia procesów zachodzących na Ziemi, skorelowanych ze zmianą klimatu. Projekt wykorzystuje technologie TIK takie jak Earth System Data Cube, Semantic Cube, platforma Hopsworks oraz najnowocześniejsze narzędzie wizualizacyjne, integrując je w otwartej platformie interoperacyjnej, która może zostać wdrożona w infrastrukturach chmurowych i wysokowydajnych systemach obliczeniowych. Zespół DeepCube opracuje architektury uczenia głębokiego, które obejmują niekonwencjonalne dane, zastosuje modelowanie hybrydowe dla modeli sztucznej inteligencji opartych na danych, które respektują prawa fizyczne, oraz – dzięki wytłumaczalnej sztucznej inteligencji i wprowadzeniu przyczynowości – otworzy czarną skrzynkę uczenia głębokiego.
Cel
DeepCube leverages advances in the fields of AI and semantic web to unlock the potential of big Copernicus data. DeepCube is impact driven; our objective is to address new and ambitious problems that imply high environmental and societal impact, enhance our understanding of Earth’s processes, correlated with Climate Change, and feasibly generate high business value.
To achieve this we bring mature and new ICT technologies, such as the Earth System Data Cube, the Semantic Cube, the Hopsworks platform for distributed DL, and a state-of-the-art visualisation tool tailored for linked Copernicus data, and integrate them to deliver an open and interoperable platform that can be deployed in several cloud infrastructures and HPC, including DIAS environments.
We then use these tools to develop novel DL pipelines to extract value from big Copernicus data. We implement a shift in the use of AI pipelines. DeepCube 1) develops novel DL architectures that extend to non-conventional data and problems settings, such as interferometric SAR, social network data, and industrial data, 2) introduces a novel hybrid modeling paradigm for data-driven AI models that respect physical laws, and 3) opens-up the DL black box through Explainable AI and Causality. We showcase these in five Use Cases (UC), two business, two on earth system sciences, and one for humanitarian aid. These are:
UC1: Forecasting localized extreme drought and heat impacts in Africa,
UC2: Climate induced migration in Africa,
UC3: Fire hazard short-term forecasting in the Mediterranean,
UC4a: Automatic volcanic deformation detection and alerting and UC4b: Deformation trend change detection on PSI time-series for critical infrastructure monitoring,
UC5: Copernicus services for sustainable and environmentally-friendly tourism.
Dziedzina nauki
Not validated
Not validated
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-SPACE-2020
System finansowania
RIA - Research and Innovation actionKoordynator
11810 Athina
Grecja