本篇帖子由英特尔人工智能与 PyTorch 基金会合作贡献。
2017 年，联合国全球契约强调，数字技术，尤其是开源技术，对于实现可持续发展目标至关重要，预计到 2030 年将给科技行业带来 2.1 万亿美元的潜在增长。可持续发展目标（SDGs）是“2030 年可持续发展议程”的一部分，涵盖各个领域的全球繁荣。
Linux 基金会的可持续发展倡议将项目与可持续发展目标相一致。通过评估项目影响，可以更好地分配资源以进行提升。英特尔也是该倡议的参与者，并最近提出了三个使用 PyTorch 和英特尔人工智能解决与联合国 SDG 一致问题的案例。
可持续发展目标 15：陆地上的生命
- 利用骨概率图定位恐龙骨骼，为解决野火预测等当代挑战的迁移学习铺平道路。
- 应用迁移学习进行野火预测，并使用 Stable Diffusion 生成数据。
联合国可持续发展目标 9：产业、创新、基础设施
- 通过地下模型识别关键矿产、石油和天然气。
这里是研讨会的关键亮点。请阅读以下总结，并确保观看完整的研讨会视频和访问 GitHub 仓库。
第 1 节：恐龙化石床地图简介
Bob Chesebrough 最近带领了一次 PyTorch 研讨会，展示了如何为恐龙国家纪念碑创建恐龙化石床地图。他分享了发现视频，并解释了他的 AI 驱动方法，利用地质数据定位可能的富含骨骼区域。
参会者学习了如何设置 JupyterLab、访问训练部分和启动 BASH shell。Bob 的分类模型应用于航空图像，促进了热力图的生成，以识别潜在的骨骼位置，并通过实地数据进行了细化。GitHub 仓库“Jurassic”指导参与者完成目录设置和模型优化步骤。
拉胡尔·乌尼克里什南·奈尔展示了 PyTorch 的使用，重点介绍了性能提升。研讨会涵盖了建模最佳实践，例如数据转换、类别分布、dropout 层和高效的训练方法。讨论了训练和评分程序，重点关注模型准确性和在其他地区的可移植性。热图创建涉及将图像切割成瓦片，考虑上下文以准确识别环境。
在这里观看完整的研讨会视频，并访问 GitHub 仓库以获取代码示例并使用 Intel® Extension for PyTorch 进行代码实验。尝试使用 PyTorch，探索最适合您的方法。祝您恐龙骨头狩猎愉快！
第 2 节：使用 OpenFWI 将地震数据转换为地下模型：用 PyTorch 训练 AI 模型
地震勘探对于矿产和石油/天然气勘探中的地下成像至关重要。全波形反演（FWI）重建地下声波速度，类似于地球的超声波。
本·康索沃，英特尔人工智能软件工程经理，展示了如何使用 PyTorch 在英特尔高性能处理器上直接从地震数据中训练 AI 模型。全波形反演（FWI）虽然准确，但计算量巨大，依赖于精确的初始模型。AI 模型提供了一种替代方法，可以直接从数据中学习，无需精确初始化。本·康索沃解释了 AI 模型的挑战，强调了需要多样化的数据集以及使用 CPU 进行微调的潜在用途。他还讨论了 FWI 的令人惊讶的医学应用。
在这里观看完整视频，并查看论文获取更多详情。GitHub 仓库是 OpenFWI。
第 3 节：使用 PyTorch 辅助野火预测
森林火灾对生态系统、野生动物和社区构成重大威胁。机器学习为提高预测精度提供了一种有前景的方法。在本届地球日网络研讨会中，Bob Chesebrough 和 Rahul Unnikrishnan Nair 展示了使用 MODIS 数据集进行图像分析的技术，该技术被用于预测早期森林火灾概率。通过使用 Intel® Extension for PyTorch 微调 ResNet18 模型，利用航空照片调整了预训练模型，结合地理空间和颜色数据对火灾风险进行评估。
强调了数据集分析中对时间和地理过滤的需求，展示了像加州帕拉迪斯这样的火灾影响区域的图像，突出了模型对不同硬件配置的适应性，以及当真实数据集不可用时利用 Stable Diffusion 进行数据合成的应用。演讲者鼓励观众参与 PyTorch 实验，通过扩展挑战来利用这些工具进行关键预测任务，以早期火灾检测。加入他们，共同努力提高野火预防和保护工作。
在这里观看完整视频，并查看论文获取更多细节。GitHub 仓库是 ForestFirePrediction。
关于英特尔演讲者
柏博·切斯布鲁克，高级解决方案架构师
柏博·切斯布鲁克在软件开发/AI 解决方案工程领域拥有超过三十年的行业经验，为财富 100 强公司和国家级实验室服务。他还是一名业余爱好者，已在野外寻找恐龙化石超过 800 英里和 1000 小时。他和他的儿子们在新墨西哥州发现了已知侏罗纪唯一一种鳄鱼的重要化石，他们还发现了 2000 多个化石地点并记录在博物馆中，并在新墨西哥州描述了一个新的大规模骨骼床。
拉胡尔·乌尼克里什南·奈尔，应用人工智能工程师和英特尔®起飞计划的工程负责人
在英特尔®起飞计划为初创企业提供的服务中，拉胡尔·奈尔凭借其在应用人工智能和工程方面的丰富经验，为早期人工智能初创企业提供指导。他致力于帮助这些初创公司将创新理念转化为成熟、市场化的产品，强调以用例驱动的、实用的工程和优化。
本·康索沃，人工智能软件工程经理
本·康索沃是英特尔的人工智能解决方案工程经理。他围绕英特尔的人工智能技术和硬件产品构建团队和项目。他拥有数据科学背景和热情，特别是在深度学习（DL）和计算机视觉方面。他将深度学习技能应用于网络安全行业，以自动识别钓鱼网站，以及石油和天然气行业，用于地球物理成像的地下特征识别。
贝克尔·凯莉，人工智能解决方案工程师
贝克尔·凯莉是英特尔的人工智能解决方案工程师，拥有超过 5 年在金融服务、医疗保健和科技行业的经验。在她的当前角色中，凯莉帮助构建机器学习解决方案，使用英特尔的开源人工智能软件工具组合。凯莉拥有 Python、R、SQL 和 Tableau 的经验，并持有德克萨斯大学数据分析硕士学位。
