; Tänään julkistettiin, että järjestelmä käsittelee keskeisiä haasteita tutkijoille ja hallituksille: Kuinka käsitellä päivittäisen satelliittitiedon ylivoimainen tulva. Tämä tehokas työkalu auttaa organisaatioita seuraamaan metsien häviämistä, hallitsemaan vesivaroja ja seuraamaan ympäristömuutoksia suuremmalla nopeudella ja tarkkuudella.
Tavoitteena on tehdä planeetta-asteikon analyysi halvemmaksi ja helpommin muuttamalla sitä, kuinka ymmärrämme maailmamme avaruudesta. Tuloksena oleva tietojoukko on nyt tutkijoiden saatavilla Google Earth Engine .
datan ylikuormituksesta toimivaan älykkyyteen
vuosien ajan, perustavanlaatuisen paradoksin plagoituneesta maapallosta. Vaikka satelliitit kuvaavat planeettamme melkein todellisen ajan näkemyksen, näiden tietojen pelkkä tilavuus ja monimutkaisuus ovat luoneet uuden haasteen: erilaisten tietojoukkojen yhdistäminen toimintakykyiseen älykkyyteen on edelleen turhauttavasti vaikea.
Google Deepmindin alfaearth-säätiöt kohtaavat tämän asian suoraan. AI-malli toimii”virtuaalisena satelliitina”, tutkimusryhmä . “Alfaearth-säätiöt toimivat kuin virtuaalinen satelliitti. Se karakterisoidaan tarkasti ja tehokkaasti planeetan koko maanpäälliselle maa-ja rannikkovesille integroimalla valtavat määrät maapallon tarkkailutietoja yhtenäiseen digitaaliseen esitykseen.”
Tämä merkitsee merkittävää siirtymistä perinteisistä menetelmistä. Sen sijaan, että käsitellisit kutakin satelliittikuvaa erillisenä tietona, järjestelmä kutoo ne yhteen yhtenäiseksi digitaalimalliksi, jonka tietokonejärjestelmät voivat helposti käsitellä, tarjoamalla enemmän
Nämä eivät ole tavanomaisia spektrikauhoja. Kuten Google selittää, 64 mitat edustavat koordinaattia korkean ulottuvuuden “pallolla”, joka kaappaa paitsi pikselin ominaisuudet myös sen alueellisen ja ajallisen kontekstin. Tämän avulla malli voi erottaa pinnat, jotka näyttävät samanlaisilta eristyksessä, kuten pysäköintialueen asfaltti verrattuna moottoritieltä, koska niiden ympäröivät ympäristöt antavat heille selkeät upotukset.
Tämä tekniikka on huomattavan tehokas. Tutkimuksen mukaan järjestelmä vähentää virhesuhteita noin 23,9% verrattuna olemassa oleviin lähestymistapoihin ja vaatii 16 kertaa vähemmän tallennustilaa . Tämä dramaattinen vähentäminen tietojen yleiskustannuksissa on ratkaisevan tärkeää yleisten esteiden, kuten pilvipeitteen, voittamiseksi ja planeetta-mittakaavan analyysin kustannukset. Kuten Tutkimuspaperi , “High-kvaali MAPS MAPS MAPS Tiedot, mutta työskennellessään globaaleilla asteikoilla on oltava tasapaino mittauksen tarkkuuden ja alueellisen kattavuuden välillä.”Alfaearthin kyky ekstrapoloida tarkasti hyvin harvoista datapisteistä koskee tätä perushaastetta. Esimerkiksi haastavassa testissä haihdutuksen arvioimiseksi-veden siirtymisprosessille ilmakehään-Alfaearth-säätiöt saavuttivat voimakkaan positiivisen tuloksen. Sitä vastoin kaikki muut testatut menetelmät suoritettiin huonommin kuin pelkästään keskiarvon arvaaminen, korostamalla uuden mallin edistyneitä ominaisuuksia . Malliarkkitehtuuri, nimeltään “avaruusajan tarkkuus”tai STP, on First Earth-havainnollisuus. Tämä edustaa geospatiaalisen AI: n perustavanlaatuista arkkitehtonista innovaatiota. Se voi interpoloida olemassa olevien satelliittihavaintojen välillä aukkojen täyttämiseksi tai jopa ekstrapoloida jaksoiksi ilman suoraa peiton. Tämä antaa mallin “nähdä”jatkuvan pilvipeitteen, pahamaineisen ongelman trooppisilla alueilla, jotka usein tekevät muista satelliittitietojoukoista käyttökelvottomia.
STP-arkkitehtuuri on suunniteltu ylläpitämään samanaikaisesti erittäin paikallisia esityksiä mallinnuksen aikana Vegetation fenologia tai lumi-kansi Food and Agriculture Organisation , Harvard Forest ja Stanford University . Target=”_ tyhjä”> Mapbioomat käyttää tietojoukkoa ymmärtääkseen syvemmin maatalous-ja ympäristömuutoksia koko maassa. Tämä työ on kriittistä suojelustrategioiden ja kestävän kehityksen aloitteiden tiedottamiseksi elintärkeissä ekosysteemeissä, kuten Amazonin sademetsä. Mapbiooman perustaja Tasso Azevedo korosti välitöntä vaikutusta ja totesi: “Satelliitin upotustietojoukko voi muuttaa tiimimme työskentelyä-meillä on nyt uusia vaihtoehtoja tehdä karttoja, jotka ovat tarkempia, tarkkoja ja nopeampia tuottaa-jotain, mitä emme olisi koskaan pystyneet tekemään ennen.”href=”http://www.globalecosystemsatlas.org/”Target=”_ tyhjä”> globaalit ekosysteemit atlas -aloite hyödyntää tekniikkaa ensimmäisen kattavan resurssin luomiseksi maailman ekosysteemien kartoittamiseksi ja seurantaan. Tämä projekti auttaa maita luokittelemaan aiemmin kartoittamattomat alueet tiettyihin luokkiin, kuten Coastal Shrublands ja Hyperruuriset aavikot . James Cook University Global Ecology Lab-ja Global Science-aloitteen johtaja Nick Murray korosti projektin merkitystä.”Satelliitti-upotustietojoukko mullistaa työtämme auttamalla maita kartoittamaan kartoittamattomia ekosysteemejä-tämä on välttämätöntä, kun keskittyä mihin keskittyä heidän säilyttämispyrkimyksiään”, hän sanoi.
Uusi aikakausi planeettatieteelle Google Earth Engine
Ilmoituspaikkoja ALPHAARTH-löydettyjen löydösten löytäminen. href=”https://blog.google/technology/ai/google-earth-ai/”Target=”_ tyhjä”> “Google Earth AI” Kokoelma geospatiaalisia malleja ja tietojoukkoja, jotka on suunniteltu vastaamaan planeetan kriittisimpiin tarpeisiin. Tämä aloite laajenee vuosien työhön rakentamista AI-järjestelmiä reaalimaailman ongelmiin. Yhteisessä blogiviestissä Google-johtajat Yossi Matias ja Chris Phillips kirjoittivat: “Nämä mallit ovat jo miljoonien käyttämiä virranominaisuuksia, kuten tulva-ja tulipalon hälytykset haku-ja karttoissa; ne tarjoavat myös toimivia näkemyksiä Google Earthin, Google Maps-alustan ja Google Cloud Platformin kautta.”href=”https://developers.google.com/earth-engine/datasets/catalog/google_satellite_embedding_v1_annual”Target=”_ tyhjä”> Satelliittien upotustiedot , joka on nyt saatavana Google Earth-moottorin kautta. Tietojoukko, joka on kuvattu yhtenä suurimmista laatuaan, yli 1,4 biljoonaa jalanjälkiä vuodessa, ja tarjoaa vuotuiset tilannekuvat vuosina 2017 vuoteen 2024 ja tarjoaa rikkaan historiallisen tilanteen ympäristön muutoksista ajan myötä. Aikaisemmin tällaisten yksityiskohtaisten karttojen luominen vaati merkittäviä laskennallisia resursseja ja syvää asiantuntemusta. Tutkimusryhmä uskoo, että tämä on keskeinen hetki tiedeyhteisölle.”Tämä läpimurto antaa tutkijoille mahdollisuuden tehdä jotain, joka oli toistaiseksi mahdotonta: luoda yksityiskohtaisia, johdonmukaisia karttoja maailmastamme, on-demand”, he kirjoittavat.
Yritysten vaikutukset ovat merkittäviä. Toimitusketjun seurantaan, maatalouden tuotantoon, kaupunkisuunnitteluun tai ympäristön noudattamiseen osallistuvilla yrityksillä on nyt tehokas uusi työkalu. Kyky seurata muutoksia 10 metrin resoluutiolla globaalisti tarjoaa perustan sovelluksille kestävien hankintavaatimusten tarkistamisesta maataloustuottojen optimointiin.
Koko ilmoituksen ajan Google korosti, että järjestelmä toimii ympäristönseurannan, ei yksilön seurantaan suunniteltuun ratkaisuun. Yhtiö selitti, että tietojoukko”ei voi kaapata yksittäisiä esineitä, ihmisiä tai kasvoja”. Tämä 10 metrin resoluutio on tarkoituksellinen suunnitteluvalinta, jonka tarkoituksena on tasapainottaa hyödyllisyyttä yksityisyyden suojaan.