Искусственный интеллект научили превращать древние карты в подобие спутниковых снимков
Древние карты без привязки к современному ландшафту могут помочь только искушенному исследователю. Но таких не так много, тогда как изображения городов и объектов на картах прошлых веков способны дать пищу для ума ученым многих специальностей, а не только географам и историкам. Например, это ворох ценных данных для изучения вопросов урбанизации, развития социума, экологии и других областей знаний о человеке и цивилизации. Так что же делать?
Идея как сделать древние карты понятными широкому кругу непосвященных пришла в голову одному из студентов высшего заведения в Бразильском городе Ресифи. Он и его профессор предложили методику преобразования оцифрованных изображений древних карт в изображения, напоминающие спутниковые, с которыми все вы наверняка знакомы по картографическим сервисам Google, Яндекс или другим.
К примеру, на снимке выше представлено цифровое изображение окрестностей Ресифи, сделанное в 1808 году, а справа эта же карта представлена в образе "спутникового снимка", который создали нейронные сети Pix2pix после цикла обучения и обработки массива входных данных.
На изображениях ниже можно сравнить полученное алгоритмом изображение с современным спутниковым снимком этой же местности (правая картинка). На полученном ИИ изображении по карте не хватает детализации, с чем согласны авторы исследования, и с чем они дальше планируют разбираться.
"Когда вы смотрите на изображения, вы лучше понимаете, как город изменился за 200 лет", - объясняет Андраде, студент, предложивший идею. - География города кардинально изменилась - свалки уменьшили количество водоемов, а зеленые зоны были удалены в результате деятельности человека".
Что же антропологи и историки смогут пополнить свой аналитический аппарат новыми инструментами. Но как донести до больших и маленьких людей мысль, что загадить окружение легко, а вернуть ему первозданную чистоту практически невозможно? Может наглядно показать, как было и как стало, используя древние карты городов и современные алгоритмы машинного обучения? Хоть так.
