Каждый день множество спутников фиксируют изображения Земли и делают самые разные измерения, предоставляя ученым практически в реальном времени картину нашей планеты. Но сложность, многомодальность и частота обновления этих данных создают новую проблему: как эффективно связать разрозненные наборы данных и использовать их все.
ИИ-модель стала виртуальным спутником для мониторинга Земли
Исследователи из Google DeepMind представили AlphaEarth Foundations — AI-модель, которая объединяет петабайты спутниковых данных в единое цифровое представление планеты. Система работает как виртуальный спутник, создавая детальные карты земной поверхности с высочайшей точностью: каждый пиксел этой картины 10x10 метров земной поверхности и таких пикселей 1,4 триллиона.
Пиксели глобальной карты. https://deepmind.google/
Главное достижение этой системы — принципиально новый тип хранения данных. Здесь каждый квадрат поверхности — это своего рода токен большой языковой модели. И система сама знает, какие из них близки друг к другу и почему. Это позволяет хранить и обновлять данные компактно и устойчиво. AlphaEarth — это как бы «GPT для планеты Земля», где каждый участок поверхности — это «токен» в огромном «тексте» географических данных.
AlphaEarth Foundations решает эту задачу, функционируя как виртуальный спутник. Модель точно и эффективно описывает всю земную сушу и прибрежные воды планеты, интегрируя огромные объемы данных, собранных при наблюдении Земли в единое цифровое представление, которое компьютерные системы могут легко обрабатывать.
Восстановленное изображение участка земной поверхности.
Система объединяет информацию десятков различных публичных источников: оптические спутниковые изображения, радарные данные, трехмерное лазерное картографирование, климатические симуляции и многое другое. Она анализирует земную поверхность и прибрежные воды, разбитые на пикселе — квадраты размером 10x10 метров, и отслеживает изменения во времени.
Сжатие изображения
Диаграмма, показывающая, как работает AlphaEarth Foundations, используя неравномерно дискретизированные кадры из видеопоследовательности для индексации любой позиции во времени. Это помогает модели создать непрерывное представление о местоположении, одновременно поясняя многочисленные измерения.
Система создает компактные сводки для каждого квадрата. Эти сводки требуют в 16 раз меньше места для хранения, чем те, что производят другие протестированные AI-системы, и кардинально снижают стоимость планетарного анализа.
Для обеспечения готовности AlphaEarth Foundations к реальному использованию проводились строгие тесты производительности. При сравнении с традиционными методами и другими AI-системами картографирования, AlphaEarth Foundations показала наиболее высокую точность. В среднем модель демонстрировала на 24% более низкий уровень ошибок, особенно в сценариях с ограниченными данными.
Диаграмма, показывающая глобальное поле эмбеддингов, разбитое на отдельные эмбеддинги, слева направо. Каждый эмбеддинг имеет 64 компонента, которые отображаются на координаты 64-мерной сферы.
На основе AlphaEarth Foundations создан набор данных Satellite Embedding в Google Earth Engine — один из крупнейших в своем роде с более чем 1,4 триллиона пикселей (описаний квадратов 10x10) в год. Более 50 организаций уже тестируют этот набор данных в реальных приложениях, включая Продовольственную и сельскохозяйственную организацию ООН, Гарвардский университет и Стэнфордский университет.
В Бразилии компания MapBiomas тестирует набор данных для более глубокого понимания сельскохозяйственных и экологических изменений по всей стране. Карты такого типа служат основой для стратегий сохранения и инициатив по устойчивому развитию важнейших экосистем, таких как тропические леса Амазонки. По словам Тассо Азеведо, основателя MapBiomas, «набор данных Satellite Embedding может изменить методы работы нашей команды — теперь у нас есть новые возможности для создания более точных, четких и быстрых карт, чего мы никогда не смогли бы сделать раньше».
Вам может быть интересно: