Data science

vectorization ช่วยระบุ UFO, UAP ได้อย่างไรและมนุษย์ต่างดาวมีความรับผิดชอบหรือไม่?

หากมีหัวข้อใดที่ดึงดูดความสนใจของสาธารณชนได้อย่างต่อเนื่องตลอดหลายทศวรรษ นั่นก็คือ: มนุษย์ต่างดาวมาเยือนโลกแล้วหรือยัง และเราเคยจับพวกเขาขณะอยู่ในกล้องหรือไม่? วัตถุบินที่ไม่ปรากฏชื่อ (UFO) และปรากฏการณ์ทางอากาศที่ไม่ปรากฏชื่อ (UAP) ทำเครื่องหมายในช่องทั้งหมดที่เกี่ยวกับความรักในทฤษฎีสมคบคิดของเรา การอธิบายการเริ่มต้นการสนทนาที่อธิบายไม่ได้และนอกเวลาทำการ เช่นเดียวกับหลายๆ อย่างในชีวิต ข้อมูลอาจมีคำตอบ จากการสำรวจของ Peter Sturrock เกี่ยวกับนักดาราศาสตร์มืออาชีพที่พบว่าเกือบครึ่งหนึ่งของผู้ตอบแบบสอบถามคิดว่ายูเอฟโอมีค่าควรแก่การศึกษาทางวิทยาศาสตร์ ไปจนถึงโครงการริเริ่ม SETI@Home ซึ่งใช้คอมพิวเตอร์ที่บ้านหลายล้านเครื่องในการประมวลผลข้อมูลสัญญาณวิทยุเพื่อพยายามค้นหาการสื่อสารของมนุษย์ต่างดาว ยูเอฟโอ และ UAP ยังคงสร้างเสน่ห์ให้กับโลก อย่างไรก็ตาม ชุมชนวิทยาศาสตร์ดูเหมือนจะมีมุมมองที่มืดมนในการศึกษาปรากฏการณ์เหล่านี้ ค้นหามากกว่า 35, 000 ทุนที่ได้รับจากมูลนิธิวิทยาศาสตร์แห่งชาติพบว่า ไม่มีการระบุถึง UFO, UAP หรือหัวข้อที่เกี่ยวข้อง แต่กระแสน้ำอาจจะเปลี่ยน รายงานข่าวกรองของสหรัฐฯ ที่เผยแพร่ในเดือนมิถุนายน 2021 (โดยเฉพาะใน UAP – กองทัพสหรัฐฯ กระตือรือร้นที่จะรีแบรนด์ยูเอฟโอเพื่อหลีกเลี่ยงการตีตรา “คนต่างด้าว” ที่เกี่ยวข้องกับตัวย่อยูเอฟโอ) ได้จุดประกายความสนใจภายใน ผู้ชมในวงกว้าง ท่ามกลางการค้นพบอื่นๆ รายงานระบุว่า 10 ของ 144 ที่รายงานการพบเห็นนั้นถูกจับโดยเซ็นเซอร์หลายตัว อย่างไรก็ตาม ยังระบุด้วยว่าจากการพบเห็นเหล่านั้น 144 คณะทำงาน “สามารถระบุ UAP ที่รายงานด้วยความมั่นใจสูง ในกรณีนั้น เราระบุว่าวัตถุนั้นเป็นบอลลูนลมขนาดใหญ่ คนอื่น ๆ ยังคงอธิบายไม่ได้” ข้อมูล UAP ต้องการวิธีการทำงานแบบใหม่ ความสามารถในการหลอมรวม วิเคราะห์ และดำเนินการกับข้อมูลเชิงพื้นที่และเวลาโดยเนื้อแท้ในแบบเรียลไทม์ต้องการสถาปัตยกรรมการคำนวณใหม่นอกเหนือจากบิ๊กดาต้ารุ่นแรก Vectorization และการค้นหาเพื่อระบุ UFOs / UAPs ป้อน “vectorization” เทคนิคยุคหน้าช่วยให้สามารถวิเคราะห์ข้อมูลที่ติดตามวัตถุในอวกาศและเวลาได้ Vectorization สามารถ 100 เร็วกว่าเฟรมเวิร์กการคำนวณรุ่นก่อน ๆ 100 และได้รับความสนใจจากผู้เล่นรายสำคัญ เช่น Intel และ NVIDIA ซึ่งทั้งคู่ต่างก็ชี้ไปที่ vectorization ว่าเป็นเรื่องใหญ่ต่อไปในการเร่งการประมวลผล โครงการ Pathfinder ของ NORAD และ USNORTHCOM มีจุดมุ่งหมายเพื่อติดตามและประเมินวัตถุทางอากาศ ทะเล และพื้นดินได้ดีขึ้นผ่านการอ่านค่าเซ็นเซอร์แบบหลอมรวมจำนวนมาก เป็นส่วนหนึ่งของโปรแกรม มันจะเป็น 'เวกเตอร์' เป้าหมาย บริษัทหนึ่งที่ช่วยทำความเข้าใจเรื่องนี้คือ Kinetica ซึ่งเป็นการเริ่มต้นเทคโนโลยี vectorization ซึ่งให้การวิเคราะห์แบบเรียลไทม์และการแสดงภาพข้อมูลจำนวนมหาศาลที่โครงการ Pathfinder ตรวจสอบ “หลังจากความพยายามในการสร้างต้นแบบหนึ่งปีกับหน่วยนวัตกรรมด้านกลาโหม Kinetica ได้รับเลือกให้สนับสนุนหน่วยบัญชาการป้องกันการบินและอวกาศแห่งอเมริกาเหนือและโปรแกรม Northern Command Pathfinder เพื่อส่งมอบฐานข้อมูลแบบเรียลไทม์และปรับขนาดได้เพื่อวิเคราะห์เอนทิตีในอวกาศและเวลา” Amit Vij ประธานและผู้ร่วมก่อตั้ง Kinetica บอกฉัน “ความสามารถในการหลอมรวม วิเคราะห์ และดำเนินการกับสตรีมข้อมูลขนาดใหญ่ต่างๆ แบบเรียลไทม์ช่วยให้ NORAD และ USNORTHCOM ยกระดับการรับรู้สถานการณ์และจำลองผลลัพธ์ที่เป็นไปได้ในขณะที่เข้าถึงความเสี่ยง” แพลตฟอร์มดังกล่าวช่วยให้นักวิทยาศาสตร์ข้อมูลและผู้มีส่วนได้ส่วนเสียอื่นๆ ลดการปล่อยเทคโนโลยีและรวบรวมข้อมูลเพื่อเพิ่มประสิทธิภาพในการดำเนินงาน “ผู้ปฏิบัติงานด้านทหารสามารถเพิ่มความสามารถในการวิเคราะห์ข้อมูลของตนให้ลึกซึ้งยิ่งขึ้น และเพิ่มการรับรู้ถึงสถานการณ์ทั่วอเมริกาเหนือ โดยการรวมฟังก์ชันต่างๆ ที่ดำเนินการอยู่ในปัจจุบันโดยระบบที่แยกออกมาหลายระบบเข้ากับฐานข้อมูลบนคลาวด์แบบรวมศูนย์ซึ่งสร้างข่าวกรองสำหรับความเป็นผู้นำในการดำเนินการแบบเรียลไทม์” Vij กล่าว “Kinetica นำเข้าข้อมูลอย่างรวดเร็วและเชื่อมโยงข้อมูลเซ็นเซอร์จากวัตถุในอากาศ สร้างเอนทิตีที่มีคุณลักษณะหลากหลาย และเพิ่มความสามารถในการวิเคราะห์ของผู้ปฏิบัติการทางทหาร ทีมนักวิทยาศาสตร์ข้อมูลสามารถนำโมเดลการเรียนรู้ของเครื่องมาใช้ในการจำแนกประเภทเอนทิตีและการตรวจจับความผิดปกติได้” เทคโนโลยี Vectorization ของจักรวาลคู่ขนาน (ข้อมูล) ค่อนข้างใหม่ในวิทยาศาสตร์ข้อมูลและการวิเคราะห์ และแสดงให้เห็นถึงคำมั่นสัญญาสำหรับการใช้งานเฉพาะ Vectorization แตกต่างจากวิธีการประมวลผลข้อมูลอื่นๆ “Vectorization หรือ data-level parallelism เร่งความเร็วการวิเคราะห์แบบทวีคูณด้วยการดำเนินการเดียวกันกับชุดข้อมูลต่างๆ ในคราวเดียว เพื่อประสิทธิภาพและประสิทธิภาพสูงสุด” Nima Negahban ซีอีโอและผู้ร่วมก่อตั้ง Kinetica กล่าว “การขนานกันระดับงานรุ่นก่อนไม่สามารถก้าวให้ทันกับความต้องการความเร็วที่รุนแรงในการประมวลผล IoT และข้อมูลเครื่องจักร เพราะมันจำกัดการทำงานหลายอย่างพร้อมกัน” วิธีที่เราจัดการกับปัญหาเหล่านี้ไม่ยั่งยืนในแง่ของต้นทุนและปัจจัยอื่นๆ เช่น การใช้พลังงาน “แพลตฟอร์มการวิเคราะห์ข้อมูลขนาดใหญ่รุ่นก่อนพยายามที่จะเอาชนะความไร้ประสิทธิภาพเหล่านี้ด้วยการใช้ฮาร์ดแวร์ระบบคลาวด์ที่มีปัญหามากขึ้น ซึ่งยังขาดประสิทธิภาพและค่าใช้จ่ายที่สูงกว่ามาก” Negahban กล่าว “ในการเปิดเผยที่เกือบจะเป็นอุตสาหกรรมที่ไม่เชื่อเรื่องพระเจ้า บริษัทต่างๆ สามารถนำรูปแบบนี้ไปใช้ได้ทุกที่ที่ข้อมูลต้องการการดำเนินการที่เรียบง่ายแบบเดียวกันเพื่อดำเนินการกับหลายองค์ประกอบในชุดข้อมูล” นำไปใช้กับโปรแกรม Pathfinder และวัตถุประสงค์อย่างไร? “สำหรับโปรแกรม Pathfinder การแปลงเวกเตอร์ช่วยให้สามารถวิเคราะห์และติดตามวัตถุทั่วทั้งอากาศ ทะเล และพื้นดินได้ดีขึ้น ผ่านการอ่านค่าเซ็นเซอร์แบบหลอมละลายจำนวนมากได้เร็วกว่ามาก และใช้พลังงานโปรเซสเซอร์น้อยกว่า” Negahban กล่าว “ความเร็วและความสามารถของเทคโนโลยีในการระบุอัลกอริธึมแอตทริบิวต์อัตราการเปลี่ยนแปลง/ทิศทางที่สามารถปลอมตัวเครื่องบิน ขีปนาวุธ และอาจช่วยให้รัฐบาลเข้าใจดีขึ้นว่า UAP หรือ UFO เหล่านี้คืออะไรจริงๆ ซึ่งหมายความว่านอแรดสามารถเข้าใจสิ่งที่พวกเขาเห็นบนท้องฟ้าได้เร็วกว่าเมื่อก่อนมาก และมีค่าใช้จ่ายน้อยลงสำหรับผู้เสียภาษี!” เทคโนโลยี Vectorization ขึ้นชื่อในเรื่องผลลัพธ์ความเร็วสูง และการลงทุนล่าสุดในโครงสร้างพื้นฐานที่สนับสนุนจากผู้ผลิตฮาร์ดแวร์รายใหญ่ที่สุดของโลกบางรายได้ช่วยพัฒนาภาคสนาม “ทุก ๆ ห้าถึง 10 ความก้าวหน้าทางวิศวกรรมที่ขัดขวางซอฟต์แวร์ฐานข้อมูลให้ดีขึ้น” Negahban กล่าว “ในช่วงไม่กี่ปีที่ผ่านมาได้เห็นการเพิ่มขึ้นของเทคโนโลยีใหม่ ๆ เช่น CUDA จาก Nvidia และส่วนขยายเวกเตอร์ขั้นสูงจาก Intel ที่เปลี่ยนความสามารถในการใช้ vectorization กับการดำเนินการข้อมูลอย่างมาก” Negahban เปรียบเสมือนกระบวนการและผลลัพธ์ของ vectorization ความเร็วที่บรรลุได้กับซิมโฟนี “คุณสามารถนึกถึงการประมวลผลเวกเตอร์เหมือนวงออเคสตรา” Negahban กล่าว “ชุดควบคุมคือตัวนำ และคำแนะนำคือโน้ตดนตรี โปรเซสเซอร์คือไวโอลินและเชลโล เวกเตอร์แต่ละตัวมีหน่วยควบคุมเพียงหน่วยเดียวบวกกับโปรเซสเซอร์ขนาดเล็กอีกหลายสิบตัว โปรเซสเซอร์ขนาดเล็กแต่ละตัวได้รับคำสั่งเดียวกันจากชุดควบคุม โปรเซสเซอร์แต่ละตัวทำงานในส่วนต่างๆ ของหน่วยความจำ ดังนั้น โปรเซสเซอร์ทุกตัวจึงมีตัวชี้เวกเตอร์ของตัวเอง คำสั่งเวกเตอร์ประกอบด้วยคณิตศาสตร์ การเปรียบเทียบ การแปลงข้อมูล และฟังก์ชันบิต ด้วยวิธีนี้ การประมวลผลเวกเตอร์ใช้ประโยชน์จากโมเดลฐานข้อมูลเชิงสัมพันธ์ของแถวและคอลัมน์ นอกจากนี้ยังหมายถึงตารางแบบเสาที่เข้ากันได้ดีกับการประมวลผลเวกเตอร์” ข้อมูลมีคำตอบ เราไม่สามารถมีบทความเกี่ยวกับ UFO และ UAP ได้โดยไม่ต้องพูดถึงสิ่งมีชีวิตสีเทาขนาดใหญ่ในห้อง ฉันหลงใหลในวัตถุบินและเอเลี่ยนมาตั้งแต่เด็ก แต่ถ้าฉันเป็นตัวละคร X-Files ฉันจะเป็นสกัลลีที่ถากถางอยู่เสมอ นี่คือหนึ่งในหลาย ๆ สมมติฐานของผม ตลอด 100 และใน 35 หนังสือพิมพ์ได้นำเสนอ “ผู้บุกรุกดาวอังคาร” และผู้มาเยือนจากต่างดาวเป็นประจำด้วย ภาพถ่ายหน้าไม่ชัดและพาดหัวข่าวแท็บลอยด์ จับได้ส่วนใหญ่บนกล้อง 10 มม. และกล้องวิดีโอพื้นฐาน ภาพของซิการ์และวัตถุที่มีรูปร่างเป็นจานรองบนท้องฟ้ามักจะพร่ามัวและถูกหักล้างในสองสามสัปดาห์ต่อมา . ปัจจุบันมีผู้ใช้สมาร์ทโฟน 3.6 พันล้านคน อุปกรณ์เหล่านี้ส่วนใหญ่มีกล้องคุณภาพสูงอย่างไม่น่าเชื่อ ไม่เพียงเท่านั้น การถ่ายภาพ บันทึก Instagram Stories และการบันทึกวิดีโอ TikTok นั้นแพร่หลายมาก สมาร์ทโฟนได้กลายเป็นส่วนเสริมของเรา อย่างไรก็ตาม เราไม่ดูวิดีโอหรือภาพถ่ายจำนวนนับไม่ถ้วนของจานบินและ UAP อีกต่อไป การพบเห็นเกิดขึ้นได้ยากเมื่อเทียบกับตอนที่มีการใช้กล้องน้อยลงอย่างเห็นได้ชัดในช่วงเวลาหนึ่งๆ และเมื่อเราใช้งานด้วยจุดประสงค์เฉพาะแทนที่จะเป็นส่วนหนึ่งของชีวิตประจำวัน เป็นไปได้มากน้อยเพียงใดที่การพบเห็นเหล่านี้มีต้นกำเนิดมาจากมนุษย์ต่างดาวเมื่อเทียบกับวัตถุที่มนุษย์สร้างขึ้นและปรากฏการณ์ทางธรรมชาติ? ฉันไม่สามารถต้านทานการวางสิ่งนี้กับ Kinetica “สิ่งที่เราทราบจากแถลงการณ์ที่ออกโดยรัฐบาลคือยังไม่มีข้อสรุปใด ๆ ในตอนนี้” นายวิจกล่าว “การประเมินเบื้องต้นของ UAP ในเดือนมิถุนายน 000 โดยผู้อำนวยการหน่วยข่าวกรองแห่งชาติเรียกร้องให้มีความพยายามในการ 'สร้างมาตรฐานการรายงาน รวบรวมข้อมูล และวิเคราะห์ให้ลึกซึ้งยิ่งขึ้น ซึ่งจะทำให้มีการวิเคราะห์ UAP ที่ซับซ้อนยิ่งขึ้นซึ่งน่าจะทำให้เราเข้าใจลึกซึ้งขึ้น'” หากเราจะค้นหาคำตอบ คำตอบนั้นจะมาจากข้อมูลเป็นหลักและไม่ได้อิงตามความคิดเห็น “สิ่งที่น่าสนใจคือข้อมูลส่วนใหญ่จากเรดาร์ ดาวเทียม และวิดีโอทางการทหารมีมานานหลายทศวรรษแล้ว แต่ก่อนหน้านี้เป็นปัญหาที่ยากจะแก้ไขได้ในการหลอมรวมและวิเคราะห์ปริมาณและประเภทของข้อมูลนั้นจนกระทั่งเมื่อไม่นานมานี้” Vij กล่าว “คำตอบสำหรับคำถามนี้ตอนนี้รู้สึกเข้าถึงได้” เทคโนโลยี Vectorization มอบประสิทธิภาพและความยืดหยุ่นที่จำเป็นในการช่วยค้นหาคำตอบที่เราทุกคนต้องการอย่างแน่นอน ชุมชน Data Science สามารถใช้ประโยชน์ได้อย่างไร? “สิ่งที่เปลี่ยนแปลงไปเมื่อเร็วๆ นี้คือฮาร์ดแวร์แบบเวกเตอร์พร้อมใช้งานบนคลาวด์แล้ว ทำให้เป็นสินค้าโภคภัณฑ์มากขึ้น” Negahban กล่าว สิ่งนี้ทำให้เราสามารถนำเสนอ Kinetica as-a-service ได้ โดยลดความขัดแย้งแบบดั้งเดิมที่เกี่ยวข้องกับสิ่งที่ถูกมองว่าเป็นฮาร์ดแวร์ที่แปลกใหม่ ซึ่งต้องใช้ทรัพยากรเฉพาะทางและหายาก เป้าหมายของเราคือการนำ vectorization จากสุดโต่งไปสู่กระแสหลัก ดังนั้นเราจะยังคงทำให้นักพัฒนาสามารถใช้ประโยชน์จากกระบวนทัศน์ใหม่นี้ได้ง่ายขึ้น” ความจริงปรากฏอยู่ และกำลังดำเนินการควบคู่กันไป

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button