Le basi di Alphaearth aiutano a mappare il nostro pianeta in dettaglio senza precedenti

 | Intelligenza-Artificiale

Scienza

Pubblicato
Autori

Il team di Alphaearth Foundations

Immagini falsi di colore di Alphaearth Foundazioni che rivelano diversi modelli di terra e strutture.

Il nuovo modello AI integra i dati di osservazione di Petabyte di Earth per generare una rappresentazione di dati unificati che rivoluziona la mappatura e il monitoraggio globali

Ogni giorno, i satelliti acquisiscono immagini e misurazioni ricche di informazioni, fornendo scienziati ed esperti una visione quasi in tempo reale del nostro pianeta. Sebbene questi dati siano stati incredibilmente incredibili, la sua complessità, multimodalità e frequenza di aggiornamento crea una nuova sfida: collegare set di dati disparati e sfruttarli tutti in modo efficace.

Oggi stiamo introducendo AlphaEarth Foundations, un modello di intelligenza artificiale (AI) che funziona come un satellite virtuale. Caratterizza accuratamente ed efficiente l'intera terra terrestre del pianeta e le acque costiere integrando enormi quantità di dati di osservazione della Terra in una rappresentazione digitale unificata o “Incorporamento,“Che i sistemi informatici possano facilmente elaborare. Ciò consente al modello di fornire agli scienziati un quadro più completo e coerente dell'evoluzione del nostro pianeta, aiutandoli a prendere decisioni più informate su questioni critiche come la sicurezza alimentare, la deforestazione, l'espansione urbana e le risorse idriche.

Per accelerare la ricerca e sbloccare i casi d'uso, ora stiamo rilasciando una raccolta di incorporamenti annuali di Alphaearth Foundations come il Set di dati di incorporamento satellitare In Google Earth Engine. Nell'ultimo anno, abbiamo lavorato con più di 50 organizzazioni per testare questo set di dati sulle loro applicazioni del mondo reale.

I nostri partner stanno già assistendo a benefici significativi, utilizzando i dati per classificare meglio gli ecosistemi non mappati, comprendere i cambiamenti agricoli e ambientali e aumentare notevolmente l'accuratezza e la velocità del loro lavoro di mappatura. In questo blog, siamo entusiasti di evidenziare alcuni dei loro feedback e di mostrare l'impatto tangibile di questa nuova tecnologia.

Come funziona Alphaearth Foundations

AlphaEarth Foundations fornisce un nuovo potente lente per comprendere il nostro pianeta risolvendo due principali sfide: sovraccarico di dati e informazioni incoerenti.

In primo luogo, combina volumi di informazioni da dozzine di diverse fonti pubbliche: immagini satellitari ottiche, radar, mappatura laser 3D, simulazioni climatiche e altro ancora. Intreccia tutte queste informazioni per analizzare le acque terrestri e costiere del mondo in quadrati taglienti 10×10 metri, consentendole di tracciare i cambiamenti nel tempo con notevole precisione.

In secondo luogo, rende questi dati pratici da utilizzare. L'innovazione chiave del sistema è la sua capacità di creare un riepilogo altamente compatto per ogni quadrato. Questi riassunti richiedono 16 volte meno spazio di archiviazione rispetto a quelli prodotti da altri sistemi di intelligenza artificiale che abbiamo testato e riduce drasticamente il costo dell'analisi della scala planetaria.

Questa svolta consente agli scienziati di fare qualcosa di impossibile fino ad ora: creare mappe dettagliate e coerenti del nostro mondo, su richiesta. Sia che stiano monitorando la salute delle colture, monitorando la deforestazione o osservando nuove costruzioni, non devono più fare affidamento su un singolo satellite che passa sopra la testa. Ora hanno un nuovo tipo di base per i dati geospaziali.

Diagramma che mostra come funziona Alphaearth Foundations, prendendo frame non uniformemente campionati da una sequenza video per indicizzare qualsiasi posizione nel tempo. Questo aiuta il modello a creare una vista continua della posizione, spiegando numerose misurazioni.

Per garantire che le basi di Alphaearth fossero pronte per l'uso del mondo reale, abbiamo testato rigorosamente le sue prestazioni. Se confrontato sia con i metodi tradizionali che per altri sistemi di mappatura dell'intelligenza artificiale, le basi di Alphaearth erano costantemente le più accurate. Ha eccelso in una vasta gamma di compiti in diversi periodi di tempo, tra cui l'identificazione dell'uso del suolo e la stima delle proprietà superficiali. Fondamentalmente, lo ha raggiunto negli scenari quando i dati sull'etichetta erano scarsi. In media, le basi di Alphaearth avevano un tasso di errore inferiore del 24% rispetto ai modelli che abbiamo testato, dimostrando la sua efficienza di apprendimento superiore. Scopri di più nel nostro carta.

Diagramma che mostra un campo di incorporamento globale suddiviso in un singolo incorporamento, da sinistra a destra. Ogni incorporamento ha 64 componenti che mappano per coordinarsi su una sfera 64-dimensionale.

Generare mappe personalizzate con il set di dati di incorporamento satellitare

Alimentato dalle basi di Alphaearth, il Set di dati di incorporamento satellitare In Google Earth, il motore è uno dei più grandi del suo genere con oltre 1,4 trilioni di impronte di incorporazione all'anno. Questa raccolta di incorporamenti annuali è già utilizzata dalle organizzazioni di tutto il mondo, comprese le Nazioni Unite Organizzazione alimentare e agricola, Foresta di Harvard, Group on Earth Osservations, MAPBIsoli, Oregon State UniversityIL Gruppo di informazioni spaziali E Università di StanfordPer creare potenti mappe personalizzate che guidano approfondimenti sul mondo reale.

Per esempio, Ecosistemi globali AtlasUn'iniziativa che mira a creare la prima risorsa completa per mappare e monitorare gli ecosistemi del mondo, sta utilizzando questo set di dati per aiutare i paesi a classificare gli ecosistemi non mappati come Argustri costieri E Deserti iper-aridi. Questa prima risorsa nel suo genere svolgerà un ruolo fondamentale nell'aiutare i paesi a dare la priorità alle aree di conservazione, ottimizzare gli sforzi di restauro e combattere la perdita di biodiversità.

Il set di dati di incorporamento satellitare sta rivoluzionando il nostro lavoro aiutando i paesi a mappare gli ecosistemi Uncharted – questo è fondamentale per individuare dove concentrare i loro sforzi di conservazione.

Nick Murray, direttore del James Cook University Global Ecology Lab e Global Science Lead di Global Ecosystems Atlas

In Brasile, Mapbiomi sta testando il set di dati per comprendere più profondamente i cambiamenti agricoli e ambientali in tutto il paese. Questo tipo di mappa informa strategie di conservazione e iniziative di sviluppo sostenibile in ecosistemi critici come la foresta pluviale amazzonica.

Come ha dichiarato Tasso Azevedo, fondatore di Mapbiomas, “Il set di dati di incorporamento satellitare può trasformare il modo in cui funziona il nostro team – ora abbiamo nuove opzioni per rendere mappe più accurate, precise e veloci da produrre – qualcosa che non saremmo mai stati in grado di fare prima”.

Leggi di più sul set di dati di incorporamento satellitare e vedi tutorial nel Blog di Google Earth Engine .

Responsabilizzare gli altri con AI

Le fondazioni di Alphaearth rappresentano un significativo passo avanti nella comprensione dello stato e delle dinamiche del nostro pianeta in evoluzione. Attualmente stiamo usando le basi di Alphaearth per generare integranti annuali e crediamo che potrebbero essere ancora più utili in futuro se combinati insieme agli agenti di General Reasoning LLM come Gemini. Stiamo continuando a esplorare i modi migliori per applicare le capacità basate sul tempo del nostro modello come parte di Google Earth AILa nostra raccolta di modelli e set di dati geospaziali per aiutare ad affrontare le esigenze più critiche del pianeta.

Ulteriori informazioni su Alphaearth Foundations

Riconoscimenti

Questo lavoro è stato una collaborazione tra team di Google DeepMind e Google Earth Engine.

Christopher Brown, Michal Kazmierski, Valerie Pasquarella, William Rucklidge, Masha Samsikova, Olivia Wiles, Chenhui Zhang, Estefania Lahera, Evan Shean, Simon Ilyushchenko, Noel Gorelick, Lihui Lydia Zhang, Sophia Schechter, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guinyy, Guiny, Guinyy, Guin, Gu. Rebecca Moore, Alexis Boukouvalas, Pushmeet Kohli

Fonte: deepmind.google

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *