021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

جهان مجموعه داه‌های بزرگی است. حال چطور باید از آن عکس گرفت...

Dan Berkenstock

The world is one big dataset. Now, how to photograph it ...

We're all familiar with satellite imagery, but what we might not know is that much of it is out of date. That's because satellites are big and expensive, so there aren't that many of them up in space. As he explains in this fascinating talk, Dan Berkenstock and his team came up with a different solution, designing a cheap, lightweight satellite with a radically new approach to photographing what's going on on Earth.


تگ های مرتبط :

Map, Space, Technology
پنج سال پیش که دانشجوی دکترا بودم زندگی دوگانه‌ داشتم. در یک کدام، از ابر-کامپیوترهای ناسا برای طراحی نسل بعدی فضاپیماها استفاده می کردم، و در دیگری دانشمند داده‌ها بودم به دنبال قاچاقچیان بالقوه در زمینه فناوریهای هسته‌ای حساس. بعنوان یک دانشمند داده‌ها، یک عالم تجزیه و تحلیل انجام دادم، که بیشتر روی امکانات بود، امکانات صنعتی در گوشه کنار جهان. و همواره در جستجوی یک بوم بهتر بودم تا همه اینها رو بهم ربط بدم. و یک روز، درباره این فکر می‌کردم که چطور همه داده ها جایگاهی دارند
و تشخیص دادم که پاسخ به صورتم خیره شده بود. اگرچه، مهندس ماهواره بودم، به استفاده کردن از شبیه سازی ماهواره‌ای در کارم فکر نکرده بودم. حال، مثل اکثر ما، آنلاین بودم، خانه‌ام را می‌دیدم، پس با خودم فکر کردم، همانجا می‌پلکیدم و شروع می‌کردم به گشتن دنبال بعضی از این امکانات. و چيزى كه فهميدم واقعا متعجبم كرد. تصاويرى كه پيدا مى‌كردم سالها بود كه تاريخ مصرفشان گذشته بود، و بهمين خاطر، ارتباط نسبتاً كوچكى با كارى كه امروز انجام مى‌‌دادم، داشت.
اما کنجکاو بودم. منظورم اين است كه تصويربرداری ماهواره‌اى چيز واقعاً جالبى بود. ميليونها ميليون حسگر امروزه اطراف ما را احاطه كرده است، اما هنوز كلى چيز هست كه کا بر مبنای روزانه چیزی راجع به اونها نمی‌دونستیم. چقدر نفت در كل ذخيره شده است؟ چقدر ذرت توليد مى‌‌شود؟ چه تعدادى كشتى در تمامى بنادر جهان وجود دارد؟ حال، در تئورى، همه اين پرسشها را مى‌‌توان بواسطه زبان تصويرى پاسخ داد، البته اگر قديمى نباشد. و اگر اين داده‌‌ها بسيار باارزش بود، پس چطور نمى‌‌توانستم به عكسهاى اخير
دست پيدا كنم؟ بنابراين داستان از ۵۰ سال قبل شروع می‌شود با پرتاب نخستین نسل از ماهواره‌های اکتشافی عکس دولت ایالات متحده. و امروز، تنی چند از نتیجه‌های و ندیده‌های این ماشینهای اولیه از دوران جنگ سرد وجود دارند که اینک از سوی شرکتهای خصوصی اداره می شوند و از آن اکثریت عمده از تصویربرداری ماهواره‌ای می‌آید که من و شما هر روز می‌بینیم. در طی این دوره، پرتاب کردن اشیاء به فضا، فقط خود آن راکت برای فرستادن ماهواره به اون بالا، هر کدام صدها میلیون دلار هزینه برمی داشت،
و این که فشار فوق‌العاده‌ای را ایجاد کرده تا این چیزها گهگاه پرتاب شوند و با کسب طمینان در این که موقع انجام دادنش کارایی هر چه بیشتر رو تا حد امکان در آنجا اعمال کنیم. همه اینها تنها ماهواره‌ها رو بزرگتر و بزرگتر و گرونتر کردند، و هزینه هر مدلش چیزی تا حدود یک میلیارد دلار بود. چون خيلى گران بودند، خیلی از اونها وجود نداشت. چون از اونها خيلى نيست، تصاويريى كه بر مبناى روزانه مى‌‌ديديم قديمى بودند. فکر می‌کنم خیلی از مردم در واقع این این حکایت رو درک می کنند،
اما برای به تصویر کشیدن این که چطور سیاره‌ ما بصورت پراکنده گردآوری میشه، برخی دوستان و من مجموعه داده‌های از 30 میلیون تصویر که از سوی این ماهواره‌ها بین ۲۰۰۰ تا ۲۰۱۰ جمع اوری شده بود رو روی هم گذاشتیم. همانطور که می‌بینید در رنگ آبی، محدوده‌های عظیمی از جهان ما بندرت مساهده‌می‌شوند، کمتر از یک بار در سال، حتی مناطقی که مکررا مشاهده می‌شوند، اونهایی که قرمز رنگند، در بهترین حالت هر سه ماه یکبار دیده می‌شوند. در نتیجه این نمودارما دانشجوهای فارغ‌التحصیل مهندسی هوا و فضا رو به چالش می‌کشوند. چرا باید اینها انقدر گرون باشند؟
آیا یک ماهواره باید واقعا هزینه‌ای معادل سه جمبوجت ۷۴۷ را برداره؟ آیا راهی نبود تا یک ماهواره جدید، کوچکتر و ساده‌تر ساخته شه که قادر به میسر کردن چیزی بیش از تصویربرداری بموقع باشه؟ می‌فهمم که این به نظر کمی دیوانه‌وار میاد این که می‌خوایم دست بکار شیم و شروع به طراحی ماهواره‌ها کنیم، اما خوشبختانه کمک داشتیم. در اواخر دهه ۱۹۹۰، دو پروفسور مفهومی را برای کاستن قابل توجه هزینه قرار دادن چیزها در فضا ارائه دادند. این که ماهواره‌های کوچک رو همراه با ماهواره‌های بزرگتر ب آسمون بفرسیتم.
این باعث شد که هزینه قرار دادن ابژه‌ها اون بالا در فضا تا چیزی ۱۰۰ درصد کاهش پیدا کنه، و ناگهان تونستیم از پس هزینه آزمایش کردن بر بیایم، تا یک کم ریسک کنیم، و کلی نوآوری کنیم. و نسل جدیدی از مهندسین و دانشمندان، اکثرا خارج از دانشگاه‌ها، شروع به پرتاب این ماهواره‌های خیلی کوچک، اندازه جعبه نون کردند که ماهواره ‌‌مکعبی نامیده می‌شدند و اینها با الکترونیک‌های ساخته شده بودند که بجای لاک‌هید مارتین از رادیو شک بدست اومده بودند. الان موقع استفاده کردن از درسهایی بود که از این ماموریتهای اولیه آموخته شده بود و این که من و دوستانم شروع به انجام یک سری طراحیها
از طرح ماهواره خودمون کردیم. و نمی‌تونم روز خاصی رو بخاطر بیارم که تصمیم آگاهانه‌ای گرفتیم که دست بکار شده و این چیزها رو بسازیم، اما وقتی این ایده جهان بعنوان مجموعه‌ای از داده ها به ذهنمون خطور کرد، این که قادر به ضبط میلیونها داده بر مبنای روزانه که توصیف کننده اقتصد جهانی باشه، این که قادر به پرده برداشتن از میلیاردها ارتباط بین اونها باشه که هرگز قبلا یافت نشده بود، کار کردن روی چیزهای دیگه صرفا کسل کننده به نظر می‌رسید. و در نتیجه به این دفتر تنگ و تاریک
بدون پنجره در پائولو آلتو نقل مکان کردیم و کار بردن طرحهامون از میز ترسیم به آززمایشگاه را شروع کردیم. اولین سوال عمده‌ای که باهاش کلنجار می‌رفتیم این بود که چطور این شی رو بسازیم. در فضا، اندازه هزینه‌ بر می‌داره، و در مدرسه با این ماهواره‌های خیلی کوچک، اندازه جعبه نان کار کرده بودیم، اما وقتی شروع کردیم به درک بهتر از قوانین فیزیک، پی بردیم که کیفیت تصاویری که آن ماهواره‌ها می‌گرفتند بسیار محدود بود، چون قوانین فیزیک دیکته می‌کند که بهترین تصویری را که می‌توان از طریق یک تلسکوپ گرفت ناشی از عملکرد قطر آن تلسکوپ است،
و این تلسکوپها حجمی بسیار کوچک و بسیار محدود داشتند. و فهمیدیم که بهترین تصویری که ما قادر به نگاه کردن به آن بوده‌ایم چیزی مثل این است. اگر چه گزینه کم هزینه‌ای محسوب می‌شد، صراحتا لازم به گفتن است که برای دیدن چیزهایی که ارزش تصویرگری ماهواره رو می‌سازند بسیار تار بوده است. بنابراین سه یا چهار هفته بعد، گروهی از مهندس‌ها را اتفاقی ملاقات کردیم که روی اولین ماهواره تصویربرداری خصوصی که تا بحال ساخته شده بود کار کرده بودند، و به ما گفتند که در دهه‌ی ۷۰ میلادی، دولت ایالات متحده به توازن قدرتمند و بهینه‌ای
دولت ایالات متحده به توازن قدرتمند و بهینه‌ای برای گرفتن عکسهایی با وضوح یک متر رسیده، و قادر به مشاهده اشیایی با اندازه یک متر بوده، اونها فهمیده‌ بودند که قادر به گرفتن تصاوری با کیفیت خیلی بالا نیستند، بلکه می‌توانند تعداد زیادی عکس با کیفیت معمولی ولی با قیمت معقول بگیرند. از شبیه سازی کامپیوتر خودمون، فورا پی بردیم که یک متر واقعا حداقل محصول قابل قبول برای مشاهده کردن گردانندگان چرخ اقتصاد جهانی بود. برای نخستین بار، قادر به شمردن کشتی‌هاو خودروها و کامیونها و کانتینرهای بودیم که بر مبنایی روزانه در سراسر دنیا در حال حرکت بودند،
در حالیکه هنوز به راحتی قادر به مشاهده اشخاص نباشد. به توافقی دست پیدا کردیم. باید چیزی می‌ساختیم که بزرگتر از ظرف نان اصلی بود. چیزی مثل یک یخیچال کوچک، اما هنوز لازم نبود یک کامیون باری بسازیم. بنابراین حالا محدودیت خودمان رو داشتیم. قوانین فیزیک تلسکوپی با کوچکترین اندازه قطعی را دیکته می‌کردند. مساله بعدی ساختن بقیه ماهواره بود که تا حد امکان کوچک و ساده بود، در اصل یک تلسکوپ پرنده با چهار دیوار و مجموعه‌ای از الکترونیکهای کوچکتر از یک دفترچه تلفن
که انرژی کمتر از یک لامپ نوری ۱۰۰ وات را استفاده می‌کرد. چالش اصلی در واقع می‌شود گرفتن تصاویر از طریق آن تلسکوپ. ماهواره‌های تصویری سنتی از یک اسکنر خطی استفاده می‌کنند، که مشابه دستگاه زیراکس است، و همانطور که زمین را می‌پیمایند، عکسها را می‌گیرند، ردیف به ردیف اسکن می‌کنند تا تصویر کاملی را بسازند. الان از اینها استفاده می‌کنند چون که کلی نور می‌گیرند، به این معنا که شاهد نویز کمتری در تصویر کم هزینه موبایل خواهید بود. مشکلی که مربوط به آنها وجود داره این است که مستلزم اشاره‌گری پیچیده‌ است.
باید روی یک هدف ۵۰ سانتی‌متری متمرکز بمانید از ۶۰۰ مایل اون ورتر در حالیکه بیش از ۷ کیلومتر در ثانیه حرکت می‌کنه، که مستلزم یک درجه فوق‌العاده‌ای از پیچیدگی است. بنابراین در عوض، ما به نسل تازه‌ای از حسگرهای ویدیویی رو آوردیم که در اصل برای استفاده در عینک ایمنی برای دید خلق شده است. در عوض گرفتن یک عکس با کیفیت بالا می‌توانیم ویدئواستریمی از کادرهای نویزدار مجزا بگیریم اما بعدش می‌تونیم همه این کادرها را باهم ترکیب کنیم تا نصاویر بسیار باکیفیتی را با استفاده از تکنیک‌های پردازشگر پیکسلی پیچیده
اینجا در آن زمینه بدست بیاریم، به قیمت یک و یک صدم از نظام سنتی. و این تکنیک را بکار بردیم برای خیلی از سیستم های دیگه روی ماهواره هر روزی که می‌گذره، طراحی ما تکامل پیدا می‌کنه از طراحی‌های کامپیوتری گرفته تا نمونه اصلی و واحدهای تولیدی. از طراحی‌های کامپیوتری گرفته تا نمونه اصلی و واحدهای تولیدی. چند هفته قبل، اسکای ست یک -SkySat 1، را روانه کردیم و امضاهامون رو روش گذاشتیم، و برای آخرین از زمین براش دست خداحافظی تکون دادیم. امروز، در مرحله نهایی تنظیمات پرتاب قرار داره ظرف کمتر از چند هفته آماده پرتاب است.
و به زودی، ما توجه‌مون را به پرتاب صورت فلکی ۲۴ یا بیشتر این ماهواره‌ها معطوف می‌کنیم و شروع به ساخت تحلیل که به ما اجازه خواهد داد تا به بینش ما در جمع آوری هر پتابایت از داده‌ها وسعت ببخشه. پس این همه کار را چرا انجام می‌دیم؟ چرا این ماهواره‌ها را می سازیم؟ خب، از قراره معلوم ماهواره‌ها قابلیت منحصربفردی برای فراهم شفافیت جهانی دارند و فراهم کردن آن شفافیت بر مبنای بموقعی‌ست که بسادگی ایده‌ای است که زمان اون فرا رسیده. ما خودمون رو بعنوان پیشگامان جبهه نو و فراتر از داده های اقتصادی می‌بینیم که لحظه به لحظه به باز کردن تاریخ بشری می‌پردازند.
برای یک مهندس داده‌ها که بطور اتفاقی به کمپ فضایی در کودکیش رفته بود، از این بهتر نمی‌شه. متشکرم. (تشویق)
Five years ago, I was a Ph.D. student living two lives. In one, I used NASA supercomputers to design next-generation spacecraft, and in the other I was a data scientist looking for potential smugglers of sensitive nuclear technologies. As a data scientist, I did a lot of analyses, mostly of facilities, industrial facilities around the world. And I was always looking for a better canvas to tie these all together. And one day, I was thinking about how all data has a location,
and I realized that the answer had been staring me in the face. Although I was a satellite engineer, I hadn't thought about using satellite imagery in my work. Now, like most of us, I'd been online, I'd see my house, so I thought, I'll hop in there and I'll start looking up some of these facilities. And what I found really surprised me. The pictures that I was finding were years out of date, and because of that, it had relatively little relevance
to the work that I was doing today. But I was intrigued. I mean, satellite imagery is pretty amazing stuff. There are millions and millions of sensors surrounding us today, but there's still so much we don't know on a daily basis. How much oil is stored in all of China? How much corn is being produced? How many ships are in all of our world's ports? Now, in theory, all of these questions could be answered by imagery, but not if it's old. And if this data was so valuable,
then how come I couldn't get my hands on more recent pictures? So the story begins over 50 years ago with the launch of the first generation of U.S. government photo reconnaissance satellites. And today, there's a handful of the great, great grandchildren of these early Cold War machines which are now operated by private companies and from which the vast majority of satellite imagery that you and I see on a daily basis comes. During this period, launching things into space, just the rocket to get the satellite up there,
has cost hundreds of millions of dollars each, and that's created tremendous pressure to launch things infrequently and to make sure that when you do, you cram as much functionality in there as possible. All of this has only made satellites bigger and bigger and bigger and more expensive, now nearly a billion, with a b, dollars per copy. Because they are so expensive, there aren't very many of them. Because there aren't very many of them, the pictures that we see on a daily basis
tend to be old. I think a lot of people actually understand this anecdotally, but in order to visualize just how sparsely our planet is collected, some friends and I put together a dataset of the 30 million pictures that have been gathered by these satellites between 2000 and 2010. As you can see in blue, huge areas of our world are barely seen, less than once a year, and even the areas that are seen most frequently, those in red, are seen at best once a quarter. Now as aerospace engineering grad students, this chart cried out to us as a challenge.
Why do these things have to be so expensive? Does a single satellite really have to cost the equivalent of three 747 jumbo jets? Wasn't there a way to build a smaller, simpler, new satellite design that could enable more timely imaging? I realize that it does sound a little bit crazy that we were going to go out and just begin designing satellites, but fortunately we had help. In the late 1990s, a couple of professors proposed a concept for radically reducing the price of putting things in space.
This was hitchhiking small satellites alongside much larger satellites. This dropped the cost of putting objects up there by over a factor of 100, and suddenly we could afford to experiment, to take a little bit of risk, and to realize a lot of innovation. And a new generation of engineers and scientists, mostly out of universities, began launching these very small, breadbox-sized satellites called CubeSats. And these were built with electronics obtained from RadioShack instead of Lockheed Martin.
Now it was using the lessons learned from these early missions that my friends and I began a series of sketches of our own satellite design. And I can't remember a specific day where we made a conscious decision that we were actually going to go out and build these things, but once we got that idea in our minds of the world as a dataset, of being able to capture millions of data points on a daily basis describing the global economy, of being able to unearth billions of connections between them that had never before been found,
it just seemed boring to go work on anything else. And so we moved into a cramped, windowless office in Palo Alto, and began working to take our design from the drawing board into the lab. The first major question we had to tackle was just how big to build this thing. In space, size drives cost, and we had worked with these very small, breadbox-sized satellites in school, but as we began to better understand the laws of physics, we found that the quality of pictures those satellites could take was very limited,
because the laws of physics dictate that the best picture you can take through a telescope is a function of the diameter of that telescope, and these satellites had a very small, very constrained volume. And we found that the best picture we would have been able to get looked something like this. Although this was the low-cost option, quite frankly it was just too blurry to see the things that make satellite imagery valuable. So about three or four weeks later, we met a group of engineers randomly who had worked on the first
private imaging satellite ever developed, and they told us that back in the 1970s, the U.S. government had found a powerful optimal tradeoff -- that in taking pictures at right about one meter resolution, being able to see objects one meter in size, they had found that they could not just get very high-quality images, but get a lot of them at an affordable price. From our own computer simulations, we quickly found that one meter really was the minimum viable product to be able to see the drivers of our global economy, for the first time, being able to count
the ships and cars and shipping containers and trucks that move around our world on a daily basis, while conveniently still not being able to see individuals. We had found our compromise. We would have to build something larger than the original breadbox, now more like a mini-fridge, but we still wouldn't have to build a pickup truck. So now we had our constraint. The laws of physics dictated the absolute minimum-sized telescope that we could build. What came next was making the rest of the satellite as small and as simple as possible,
basically a flying telescope with four walls and a set of electronics smaller than a phone book that used less power than a 100 watt lightbulb. The big challenge became actually taking the pictures through that telescope. Traditional imaging satellites use a line scanner, similar to a Xerox machine, and as they traverse the Earth, they take pictures, scanning row by row by row to build the complete image. Now people use these because they get a lot of light, which means less of the noise you see in a low-cost cell phone image.
The problem with them is they require very sophisticated pointing. You have to stay focused on a 50-centimeter target from over 600 miles away while moving at more than seven kilometers a second, which requires an awesome degree of complexity. So instead, we turned to a new generation of video sensors, originally created for use in night vision goggles. Instead of taking a single, high quality image, we could take a videostream of individually noisier frames, but then we could recombine all of those frames together
into very high-quality images using sophisticated pixel processing techniques here on the ground, at a cost of one one hundredth a traditional system. And we applied this technique to many of the other systems on the satellite as well, and day by day, our design evolved from CAD to prototypes to production units. A few short weeks ago, we packed up SkySat 1, put our signatures on it, and waved goodbye for the last time on Earth. Today, it's sitting in its final launch configuration
ready to blast off in a few short weeks. And soon, we'll turn our attention to launching a constellation of 24 or more of these satellites and beginning to build the scalable analytics that will allow us to unearth the insights in the petabytes of data we will collect. So why do all of this? Why build these satellites? Well, it turns out imaging satellites have a unique ability to provide global transparency, and providing that transparency on a timely basis is simply an idea whose time has come. We see ourselves as pioneers of a new frontier,
and beyond economic data, unlocking the human story, moment by moment. For a data scientist that just happened to go to space camp as a kid, it just doesn't get much better than that. Thank you. (Applause)