HyperAI

Google DeepMind Publie AlphaEarth Foundations, Une Carte Du Monde Générée À La Demande Pour La Première Fois

特色图像

Grâce au développement des technologies satellitaires, l'homme peut observer la Terre en temps quasi réel. Cependant, si les données de télédétection, massives, multimodales et fréquemment mises à jour, sont riches en informations, elles posent également de nouveaux défis : les sources de données sont dispersées, les formats différents et l'utilisation complexe. Intégrer ces informations dispersées dans une perspective cohérente et exploitable de la Terre est devenu un défi majeur pour les scientifiques et les décideurs politiques. La dernière version de Google DeepMind, AlphaEarth Foundations, répond officiellement à ce défi. Ce modèle peut être considéré comme un « satellite virtuel ».Intégration des données d'observation de la Terre au niveau PB,Cette technologie innovante génère une représentation numérique de la Terre, exploitable efficacement par les systèmes informatiques. Elle offre une perspective mondiale inédite sur des enjeux clés tels que la surveillance agricole, la protection de l'environnement, l'expansion urbaine et la gestion des ressources en eau.

* Lien vers l'article :

https://go.hyper.ai/uwBiv

Les données très compactes réduisent l'espace de stockage

L'innovation principale des Fondations AlphaEarth estIl résout deux problèmes fondamentaux des données de télédétection : l’un est la surcharge d’informations et l’autre est l’incohérence des données.À cette fin, le modèle rassemble des informations provenant de dizaines de sources de données publiques, notamment des images satellites optiques, des données radar, des numérisations laser 3D, des simulations climatiques, etc., et intègre et analyse ces données multi-sources pour effectuer une modélisation de haute précision des zones terrestres et côtières mondiales en unités de 10 mètres x 10 mètres.

L'innovation principale du système réside dans sa capacité à générer des résumés très compacts pour chaque carré, qui ne nécessitent que 1/16 de l'espace de stockage par rapport aux autres systèmes d'IA, réduisant considérablement le coût de l'analyse au niveau planétaire.

En d'autres termes, ce modèle permet pour la première fois de générer des cartes mondiales à la demande. Les chercheurs n'ont plus besoin d'attendre le passage de satellites spécifiques ni de faire face aux difficultés classiques telles que la couverture nuageuse. Ils peuvent obtenir instantanément des cartes terrestres claires, structurées et cohérentes grâce aux vecteurs d'intégration d'AlphaEarth Foundations.

Les performances sont supérieures à celles des autres modèles dans tous les aspects

Le principe de fonctionnement d'AlphaEarth Foundations est illustré dans la figure ci-dessous. Le système indexe chaque instant en extrayant des images échantillonnées de manière non uniforme d'une séquence vidéo. Cela permet au modèle de construire une vue continue du lieu tout en interprétant un grand nombre de données de mesure.

Comment fonctionnent les Fondations AlphaEarth

Afin de vérifier les performances d'AlphaEarth Foundations, l'équipe de recherche a mené des tests comparatifs rigoureux. Ces expériences ont montré que le modèle fonctionnait bien à différentes périodes et pour différentes tâches, qu'il s'agisse d'identification de l'occupation du sol ou d'estimation des attributs de surface. En particulier, AlphaEarth Foundations a démontré une excellente efficacité d'apprentissage en l'absence de données étiquetées.Le taux d'erreur moyen est inférieur de 24% à celui des autres modèles.

Cet avantage fait du système un outil irremplaçable pour la recherche scientifique et le service public. Par exemple, en Équateur, le modèle peut pénétrer la couverture nuageuse permanente pour représenter minutieusement les stades de développement de différentes parcelles agricoles. En Antarctique, même dans les zones où la fréquence d'imagerie satellitaire est extrêmement faible, le modèle peut restituer avec fiabilité la structure de la surface. Au Canada, il peut représenter les différences d'utilisation des terres agricoles avec des détails qui dépassent même ceux visibles à l'œil nu.

Le champ d’intégration global est décomposé en intégrations individuelles, se déployant de gauche à droite.
Chaque incorporation contient 64 composants, qui correspondent aux coordonnées sur la sphère à 64 dimensions

L'un des plus grands ensembles de données d'intégration d'IA Earth actuellement disponibles

Afin de promouvoir une adoption plus large, Google a publié la collection annuelle de vecteurs d'intégration générée par AlphaEarth Foundations sur la plateforme Google Earth Engine sous le nom de « Satellite Embedding Dataset ». Cet ensemble de données couvre plus de 1 400 milliards de points intégrés dans le monde chaque année, ce qui en fait l'un des plus grands ensembles de données d'intégration IA Earth disponibles.

Au cours de l'année écoulée, plus de 50 organisations, dont des universitaires, des gouvernements et des organisations à but non lucratif, ont piloté cet ensemble de données. L'Atlas mondial des écosystèmes, un exemple marquant, vise à créer la première ressource de classification systématique des écosystèmes mondiaux. Grâce aux données d'AlphaEarth, il a réussi à classer des régions écologiques jusqu'alors non classées dans des catégories telles que « broussailles côtières » et « désert hyperaride », fournissant ainsi une base scientifique aux pays pour optimiser leurs efforts de conservation et de restauration.

Nick Murray, directeur du Global Ecology Laboratory de l'Université James Cook, a déclaré : « Cet ensemble de données révolutionne notre compréhension des écosystèmes non cartographiés et est crucial pour prioriser les zones protégées. »

Au Brésil, l'organisation environnementale MapBiomas utilise cet ensemble de données pour approfondir l'étude de l'utilisation des terres agricoles et des changements environnementaux, notamment dans des zones écologiques clés comme l'Amazonie. Le fondateur du projet, Tasso Azevedo, a déclaré : « Grâce à cet outil, nous avons réalisé un progrès considérable en termes de précision, de rapidité et de couverture cartographiques. Nous sommes désormais capables de réaliser des choses qui étaient auparavant impossibles. »

À l'avenir, cette technologie pourrait non seulement être utilisée pour les cartes statiques, mais aussi pour générer des alertes en temps réel aux catastrophes, simuler le changement climatique, gérer la sécurité alimentaire et d'autres problématiques mondiales. Google a également indiqué qu'il continuerait d'optimiser le modèle et d'étendre la taille de son ensemble de données et ses applications.