Estimations automatiques du niveau d’eau, entraînées par les téléchargements des citoyens scientifiques
Bonjour, je suis Wang Ze, un doctorant en visite dans le projet CrowdWater. L’utilisation de méthodes d’apprentissage automatique pour la surveillance et la modélisation hydrologiques fait partie de mes intérêts de recherche. Dans le cadre du projet CrowdWater, je combine la science citoyenne et l’intelligence artificielle afin d’obtenir des informations hydrologiques encore plus précieuses, notamment des données sur les niveaux d’eau.
Dans mon travail de recherche actuel, j’ai utilisé la technique du « deep learning » comme outil pour déterminer les classes de niveau d’eau. Pour ce faire, j’ai utilisé les images téléchargées par des citoyens scientifiques pour entraîner le modèle.
Concrètement, un « deep convolutional neural network model » est utilisé pour déterminer des classes de niveau d’eau à partir d’images de berges de rivières. Lorsque les citoyens scientifiques mettent à jour un spot de la catégorie « échelle de mesure virtuelle », ils téléchargent une nouvelle image qui forme une paire d’images avec l’image originale contenant l’échelle de mesure virtuelle. Sur la base de cette paire d’images, le modèle permet de vérifier en temps réel les classes de niveau d’eau observées par les citoyens scientifiques et peut même être entraîné de manière à calculer des séries temporelles pour des classes de niveau d’eau à plus haute résolution à l’aide des votes de nombreux participants au jeu CrowdWater.
Pour les travaux futurs, je me concentrerai d’abord sur l’interprétation du mécanisme du modèle d’apprentissage en profondeur. Je veux savoir si l’ordinateur pense de la même manière que nous lorsqu’il estime la classe de niveau d’eau. Je souhaite également développer un mécanisme d’interaction automatique entre les citoyens scientifiques et l’intelligence artificielle : L’ordinateur peut demander aux citoyens scientifiques de télécharger les images les plus informatives en temps réel. Avec ces images informatives soumises par les citoyens scientifiques, l’ordinateur peut être entraîné à devenir plus intelligent.
Un grand merci à tous ceux qui ont fourni de précieuses images et données sur le niveau de l’eau dans le projet CrowdWater. C’est votre contribution qui apprendra à l’intelligence artificielle à devenir intelligente à partir de rien ! Si tu t’intéresses à mes recherches et que tu souhaites en savoir plus sur le fonctionnement du modèle, écris-moi un e-mail à info@crowdwater.ch.