התפקיד של קבלת החלטות מבוססת נתונים בפרויקטים

חקר החלל

אולי שום שדה לא מדגים את קבלת ההחלטות המונעת על ידי נתונים באופן דרמטי יותר מאשר חקר החלל. Rovers כמו Perseverance ו Curiosity של נאס"א לשאת חבילה של מכשירים מדעיים המייצרים טרה-בייט של נתונים - מתמונות ברזולוציה גבוהה ו-spectra ועד מדידות קרינה וקריאה אטמוספריבית.

מתכננים המשימה להשתמש בתמונות מסלול מהחלליות כמו Mars Reconnaisance Orbiter כדי לבחור אתרי נחיתה בטוחים, ולאחר מכן לנתח נתונים המבוססים על rover כדי להחליט אילו סלעים לדגום אלגוריתמים למידת מכונות לעזור לזהות תכונות גיאולוגיות מעניינות - למשל, על ידי הטלת חתימה ספקטרלית על מנת למנוע משקעים שנוצרו במים.

במבט קדימה, טכניקות היתוך נתונים מפותחות עבור כריית הירח והסטרואידים. Orbital gamma-ray ו- neutron spectrometers יכול למפות שפעים אלמנטריים על הירח, עוזר לאתר את הפקדות פוטנציאליות של מים ליד הקטבים - משאב קריטי עבור משימות מאוישות בעתיד.

Ocean and Polar Exploration

אזורי האוקיינוס העמוקים והקוטבים נותרים בין הגבולות הפחות נחקרים על פני כדור הארץ.כלי רכב אוטונומיים תת-קרקעיים (AUVs) וגליצרים אוספים זרמים רצופים של סונר, טמפרטורה, סליטי וכימיקלים כימיים.בקשת הקוטב הארקטי, עובי קרח ותבניות סחף לווייניעו את נתיבי כלי המחקר ויעזרו למדענים לבחור אתרים למקדמים ליבות של סינדימנט שחשפו את הרשומות האקלים הקודמות.

נתונים מסביבות מרוחקות אלה הם לעתים קרובות דלים ויקרים כדי להשיג, מה שהופך כל מדידת מודלים סטטיסטיים יקרים.

היתרונות של גישות נתונים-Driven

היתרונות של הטמעת שיטות המונעות נתונים למחקר הם רב-פנים ו-documented היטב.

הגדלת שיעורי המוכנות וההצלחה

מודלים סטטיסטיים ואלגוריתמים של למידת מכונה מצטיינים בזיהוי דפוסים עדינים שאינטואיציה אנושית עשויה להחמיץ.בחיפוש מינרלים, למשל, מיפוי של אפשרויות שמשלבות גיאולוגיה, גיאוכימיה וגיאופיזיקה הוכחו ל-FLT:0double או משולשת את שיעור ה-FLT:1 למקד מטרות בהשוואה לשיטות מסורתיות.

עלויות יעילות

גילוי מרחוק ומודל של צמצום הצורך בקמפיינים שדה יקרים.סקר יחיד של LiDAR יכול להחליף שבועות של מיפוי טופוגרפי מבוסס הקרקע. Integrated Data Analysis מסייע להימנע מקידוחים מיותרים, עם כל חור יבש נמנע יכול לחסוך מיליוני דולרים.בארכיאולוגיה, גיאופיזיקה לא פולשנית מאפשרת לחוקרים להעריך את הפוטנציאל הארכיאולוגי של אזור גדול לפני ביצוע חפירות יקרות.

ניכוי סיכונים

שיטות מונעות נתונים מסייעות לזהות סיכונים לפני המגפיים על הקרקע.מודלים גיאולוגיים יכולים להדגיש מדרונות לא יציבים, אזורי אשמה, או נקודות חמות גיאותרמית.בחיפוש בחלל, נתונים מסלוליים מסוכנים שדות סלעים מסוכנים או מדרונות תלולים שעלולים לפגוע בגיר.בחיפוש עמוק בים עמוקים, AUV-Collenchted Baths מראה ים ללא פגע או מכשולים תת-ימיים.

תכנון ומיקום משאבים

עם בסיס נתונים ברור, מנהלי פרויקטים יכולים לקבוע עבודה שדה במהלך חלונות מזג אוויר אופטימליים, מחנות בסיס מיקום ליד אזורים מבטיחים, ולהקצות תקציבים לקראת הפעילויות המשפיעות ביותר. - ניהול לוחיות תמיכה בהחלטות המשלבות חיישנים בזמן אמת עם נתונים היסטוריים מאפשרים לצוותים להתאים תוכניות על הטיסה כמידע חדש מגיע.

קיימות וצמצום טביעת הרגל הסביבתית

מיקוד טוב יותר פירושו פחות הפרעות פיזיות.פחות מקטעי קידוח, קווים סיסמיים צרים, וחפירה קטנה יותר מתורגמת ישירות להשפעה סביבתית נמוכה יותר. חקר מונחי נתונים יכול גם לעזור להימנע מגידולים רגישים או אתרי מורשת תרבותית על ידי מיפוי אותם מראש.

אתגרים ומגבלות

למרות הפוטנציאל הטרנספורמציי שלה, אימוץ גישה מבוססת נתונים מלאה הוא רחוק מן אתגרים קבועים פשוטים.

איכות נתונים וזמינות

נתונים של חקר הם לעתים קרובות רועשים, לא שלמים, או נאספים בתנאים לא-אידאליים.א. מינרלים אומרים מ- Outcrop יחיד לא מייצגים את כל ההפקדה; תמונות לוויין ניתן לטשטש על ידי עננים או שלג.ללא שליטה איכותית וודאות, מודלים שנבנו על נתונים עניים יכולים להטעות ולא להודיע.

שילוב מקורות הטרוגניים

צוותי מחקר בדרך כלל עובדים עם נתונים המתפרסמים על החלטות מרחביות שונות, קשקשים זמן, ועקרונות מדידה.שלב תמונה לוויין של 30 מ' של החלטה עם סקר קרקע 1-m ומפות היסטוריות משנות החמישים דורשות התאמה הדדית זהירה, נורמליזציה ופיוס.

סקיל גפרות ואימון

אנשי מקצוע רבים של חקר - גיאולוגים, ארכיאולוגים, אוקיאנוסים - לא הוכשרו כמדענים נתונים.בריח הפער בין מומחיות התחום לבין יכולת אנליטית דורש גיוס מדעני נתונים ייעודיים (בדרך כלל יקר) או הריגת צוות קיים.ארגונים שלא להשקיע בסיכון חוצה זה תוך כדי הגבלת זמן תוך כדי הקטנת הנתונים שהם אוספים.

over-reliance on Models

מודלים הם סימולציות של המציאות.הם יכולים להיות קופסאות שחורות המייצרות פלטים שנראים סבירים אפילו כאשר הנחות היסוד פגומות.Over--ביטחון במפה של תשקיף עשוי להוביל צוות להתעלם מראיות שדה המנוגדות למודל. תרבות מבוססת נתונים בריאה שומרת על איזון בין תחזיות חישוביות ואימות קרקע.

עלויות הטכנולוגיה והתשתית

חיישנים מתקדמים, מחשוב ביצועים גבוהים, ואחסון בענן דורשים השקעה רבה יותר.עבור חברות מחקר קטנות או קבוצות אקדמיות עם תקציבים מוגבלים, המחסום לכניסה יכול להיות מורכב. Open-source כלים ומאגרי נתונים משותפים עוזרים לדרג את שדה המשחק, אבל פתרונות קנייניים עדיין שולטים.

כיוונים עתידיים

מסלול של מחקר מונע נתונים הוא מאיץ, מונע על ידי התקדמות בבינה מלאכותית, מיניוורטיישן, ואת הזמינות הגוברת של נתונים לווייניים ורחפנים.

אינטליגנציה מלאכותית ולמידה של מכונות

למידת מכונה נעה מעבר לסיווג פשוט לדגימות ניווניות וחיזוייות.רשתות נילי יכולות ליצור מודלים לוגיים מציאותיים של נתונים של קידוחי ספאר, לדמות זרימה של נוזל דרך רשתות שבר, או לשחזר תכונות ארכיאולוגיות מ- GPR סריקות.FLT:0Reinforcement LearningFLT:1 - שבו אלגוריתם לומד רצפי החלטות אופטימליים על ידי אינטראקציה עם סביבה - הוא נחקר עבור רובוטים אוטונומיים שיכולים להתאים את האסטרטגיה שלהם בזמן אמת.

מידע בזמן אמת ו- Edge Computing

ד"רונים, AUVs, וחיישנים חכמים יכולים לעבד נתונים על לוח ולהעביר רק סיכומים ניתנים פעולה, אפילו בסביבות רוחב פס מוגבל.זה מאפשר לצוותי חיפוש לקבל עדכונים במשרה חלקית מאתרים מרוחקים ולתאם תוכניות מבלי לחכות להורדת נתונים מלאים.לדוגמה, מל"ט טס מעל ג'ונגל מרוחק יכול להשתמש ברשת עצבית כדי לזהות pegmats לית-שלומיים ולהזהיר את צוות הקרקע באופן מיידי.

להקות דיגיטליות ופלטפורמות משולבות

תאום דיגיטלי - העתק וירטואלי של סביבה פיזית המתעדנת ללא הרף עם נתוני חיישן - מציע מסגרת חזקה עבור חקר.בעלי העניין בפרויקט יכול להפעיל "מה אם" תרחישים, לבחון אסטרטגיות קידוח שונות, ולדמיין אי ודאות בכל מקום אחד. מיזמים כמו FLT:0AusIMM טווין דיגיטלי עבור חקר מינרלים 1 הם חלוצים גישה זו.

מדע האזרח ונתוני Crowdsourced

פלטפורמות כמו Zooniverse הראו כי מתנדבים יכולים לעזור לסווג תכונות גיאולוגיות או לזהות אתרים ארכיאולוגיים בדמיון לוויין.שלב תוויות שמקורן המונים עם למידת מכונה יכול להאיץ את יצירתם של מאגרי מידע ולהוביל תובנות מחקר לקהילה רחבה יותר.

שיקולים אתיים והמשפטיים

כאשר איסוף הנתונים הופך להיות יותר מתפשט, שאלות סביב ריבונות נתונים, זכויות הילידים, ורגישות תרבותית צומחות חזק יותר.מחקר פרויקטים על אדמות מסורתיות חייב לנווט תקנות הדורשות הסכמה חופשית, לפני ומודעה.הסכמי שיתוף נתונים ומאגרי נתונים בבעלות קהילתית מתעוררים כפרקטיקות הטובות ביותר.

מסקנה

קבלת החלטות מונחת נתונים שינתה באופן יסודי את האופן שבו אנו חוקרים את כדור הארץ ומעבר לו.זה לא תחליף לשיפוט אנושי – זה מעצימה אותו, נותן לחוקרים את היכולת לראות דרך סלע, קרח ומים, כדי לחזות היכן מסתתרים תגליות, ולפעול בביטחון רב ויעילות יותר.הפרויקטים המצליחים ביותר יהיו אלה שמטפלים בנתונים לא כקלט חד פעמי אלא כנכס חי המודיעים כל שלב מחפירה ראשונית ועד לחפירה או לחפירה סופית.

ככל שהטכנולוגיה ממשיכה להתפתח – עם אלגוריתמים חכמים יותר, חיישנים זולים יותר ותקשורת מהירה יותר – הגבול של מה שניתן לגלות יתרחב.אבל העיקרון הליבה יישאר זהה: FLT:0decisions המודעת על ידי ראיות הם טובים יותר מאשר החלטות שנעשו בחושך.FLT:1 אם חשיפת ציוויליזציה אבודה, מציאת הפיקדון המינרלי הקריטי הבא, או נחיתה על הירח הרחוק, מי ייתן וירתום את הכוח של הדרך.