HyperAI

Google DeepMind Veröffentlicht AlphaEarth Foundations, Eine Erstmals Auf Anfrage Generierte Weltkarte

特色图像

Mit der Entwicklung der Satellitentechnologie ist es dem Menschen möglich, die Erde nahezu in Echtzeit zu beobachten. Die umfangreichen, multimodalen und häufig aktualisierten Fernerkundungsdaten liefern zwar einen großen Informationsgehalt, bringen aber auch neue Herausforderungen mit sich: Die Datenquellen sind verstreut, die Formate unterschiedlich und die Nutzung komplex. Die Integration dieser verstreuten Informationen in eine konsistente und nutzbare Perspektive der Erde ist zu einer großen Herausforderung für Wissenschaftler und politische Entscheidungsträger geworden. Die neueste Version von Google DeepMind, AlphaEarth Foundations, stellt eine offizielle Antwort auf diese Herausforderung dar. Dieses Modell kann als „virtueller Satellit“ betrachtet werden.Integration von Erdbeobachtungsdaten auf PB-Ebene,Diese innovative Technologie erzeugt eine digitale Erdkarte, die von Computersystemen effizient verarbeitet werden kann. Sie bietet eine beispiellose globale Perspektive auf Schlüsselthemen wie landwirtschaftliche Überwachung, Umweltschutz, Stadtentwicklung und Wasserressourcenmanagement.

* Link zum Artikel:

https://go.hyper.ai/uwBiv

Hochkompakte Daten reduzieren den Speicherplatz

Die Kerninnovation von AlphaEarth Foundations istEs löst zwei Kernprobleme von Fernerkundungsdaten: das eine ist die Informationsüberflutung und das andere ist die Dateninkonsistenz.Zu diesem Zweck führt das Modell Informationen aus Dutzenden öffentlicher Datenquellen zusammen, darunter optische Satellitenbilder, Radardaten, 3D-Laserscanning, Klimasimulationen usw., und integriert und analysiert diese Daten aus mehreren Quellen, um eine hochpräzise Modellierung globaler Land- und Küstengebiete in Einheiten von 10 x 10 Metern durchzuführen.

Die Kerninnovation des Systems liegt in seiner Fähigkeit, für jedes Quadrat äußerst kompakte Zusammenfassungen zu erstellen, die im Vergleich zu anderen KI-Systemen nur 1/16 des Speicherplatzes benötigen, wodurch die Kosten für Analysen auf Planetenebene erheblich gesenkt werden.

Mit anderen Worten: Dieses Modell ermöglicht erstmals die „globale Kartenerstellung auf Abruf“. Forscher müssen nicht mehr darauf warten, dass bestimmte Satelliten über ihnen vorbeiziehen, und müssen sich auch nicht mit herkömmlichen Schwierigkeiten wie Wolkenbedeckung auseinandersetzen. Durch die Einbettungsvektoren von AlphaEarth Foundations erhalten sie sofort klare, strukturierte und verständliche Erdkarten.

Die Leistung ist anderen Modellen in allen Aspekten voraus

Das Funktionsprinzip von AlphaEarth Foundations ist in der folgenden Abbildung dargestellt. Das System indiziert jeden Zeitpunkt, indem es ungleichmäßig abgetastete Einzelbilder aus einer Videosequenz extrahiert. Dies hilft dem Modell, eine kontinuierliche Ansicht des Standorts zu erstellen und gleichzeitig eine große Menge an Messdaten zu interpretieren.

So funktioniert AlphaEarth Foundations

Um die Leistungsfähigkeit von AlphaEarth Foundations zu überprüfen, führte das Forschungsteam strenge Vergleichstests durch. Die Experimente zeigten, dass das Modell in verschiedenen Zeiträumen und bei verschiedenen Aufgabenstellungen gute Ergebnisse lieferte, sei es bei der Landnutzungsbestimmung oder der Schätzung von Oberflächenattributen. Insbesondere zeigte AlphaEarth Foundations auch ohne gekennzeichnete Daten eine hervorragende Lerneffizienz.Die durchschnittliche Fehlerrate ist 24% niedriger als bei anderen Modellen.

Dieser Vorteil macht das System zu einem unverzichtbaren Werkzeug für die wissenschaftliche Forschung und den öffentlichen Dienst. In Ecuador beispielsweise kann das Modell die ganzjährige Wolkendecke durchdringen und so die Entwicklungsstadien verschiedener landwirtschaftlicher Flächen präzise darstellen. In der Antarktis kann das Modell selbst in Gebieten mit extrem geringer Satellitenbildfrequenz die Oberflächenstruktur zuverlässig wiederherstellen. In Kanada kann es Unterschiede in der landwirtschaftlichen Landnutzung mit Details darstellen, die sogar über das mit bloßem Auge Erkennbare hinausgehen.

Das globale Einbettungsfeld wird in einzelne Einbettungen zerlegt, die sich von links nach rechts entfalten.
Jede Einbettung enthält 64 Komponenten, die Koordinaten auf der 64-dimensionalen Kugel entsprechen

Einer der größten derzeit verfügbaren AI Earth-Embedding-Datensätze

Um eine breitere Akzeptanz zu fördern, hat Google die jährliche Sammlung von Einbettungsvektoren, die von der AlphaEarth Foundation auf der Google Earth Engine-Plattform generiert werden, als „Satellite Embedding Dataset“ veröffentlicht. Dieser Datensatz umfasst jährlich über 1,4 Billionen eingebettete Punkte weltweit und ist damit einer der größten verfügbaren AI Earth Embedding Datasets.

Im vergangenen Jahr haben über 50 Organisationen, darunter Wissenschaftler, Regierungen und gemeinnützige Organisationen, den Datensatz getestet. Der Global Ecosystems Atlas, ein führendes Beispiel, zielt darauf ab, die erste systematische Klassifizierungsressource für die Ökosysteme der Welt zu schaffen. Mithilfe von AlphaEarth-Daten gelang es, bisher nicht klassifizierte ökologische Regionen erfolgreich in Kategorien wie „Küstenbuschland“ und „hyperaride Wüste“ einzuteilen und so Ländern eine wissenschaftliche Grundlage für die Optimierung ihrer Schutz- und Wiederherstellungsbemühungen zu bieten.

Nick Murray, Direktor des Global Ecology Laboratory an der James Cook University, sagte: „Dieser Datensatz revolutioniert unser Verständnis von nicht kartierten Ökosystemen und ist von entscheidender Bedeutung für die Priorisierung von Schutzgebieten.“

In Brasilien nutzt die Umweltorganisation MapBiomas den Datensatz, um die landwirtschaftliche Landnutzung und den Umweltwandel, insbesondere in wichtigen ökologischen Zonen wie dem Amazonas, genauer zu erforschen. Projektgründer Tasso Azevedo erklärte: „Mit diesem Tool haben wir einen Quantensprung in der Genauigkeit, Geschwindigkeit und Abdeckung der Kartierung gemacht. Wir sind jetzt in der Lage, Dinge zu tun, die vorher unmöglich waren.“

Künftig könnte diese Technologie nicht nur für statische Karten eingesetzt werden, sondern auch Echtzeit-Katastrophenwarnungen, Simulationen des Klimawandels, das Management der Ernährungssicherheit und andere globale Probleme vorantreiben. Google erklärte außerdem, das Modell weiter zu optimieren und die Datenmenge sowie die Anwendungsgrenzen zu erweitern.