来源：VB/Midjourney
谷歌 DeepMind 今天宣布推出突破性的人工智能系统，该系统改变了组织分析地球表面的方式，有可能彻底改变全球政府、保护组织和企业的环境监测和资源管理。
该系统名为 AlphaEarth Foundations，解决了困扰地球观测数十年的关键挑战：理解从太空流下来的大量卫星数据。每天，卫星都会捕获数 TB 的图像和测量结果，但将这些不同的数据集连接到可作的情报中仍然非常困难。
“AlphaEarth Foundations 的功能就像一颗虚拟卫星，”研究小组在他们的论文中写道。“它通过将大量地球观测数据集成到统一的数字表示中，准确有效地表征了地球的整个陆地和沿海水域。”
与现有方法相比，人工智能系统将错误率降低了约 23.9%，同时所需的存储空间比其他人工智能系统少 16 倍。这种准确性和效率的结合可以显着降低行星尺度环境分析的成本。
人工智能如何将 PB 级卫星数据压缩为可管理的智能
核心创新在于 AlphaEarth 基金会如何处理信息。该系统没有将每张卫星图像视为单独的数据，而是创建了研究人员所说的“嵌入场”——高度压缩的数字摘要，以 10 平方米的尺度捕捉地球表面的基本特征。
“该系统的关键创新是它能够为每个方格创建高度紧凑的摘要，”研究小组解释道。“这些摘要所需的存储空间比我们测试的其他人工智能系统生成的存储空间少 16 倍，并大大降低了行星级分析的成本。”
这种压缩不会牺牲细节。该系统在跟踪随时间变化的同时保持了研究人员所说的“锐利的 10×10 米”精度。就背景而言，该决议允许组织监控各个城市街区、小型农田或森林——这对于从城市规划到保护的应用至关重要。
巴西研究人员使用该系统近乎实时地跟踪亚马逊森林砍伐情况
在过去的一年里，已有 50 多个组织对该系统进行了测试，早期结果表明多个行业具有变革潜力。
在巴西，MapBiomas 使用该技术来了解全国各地的农业和环境变化，包括亚马逊雨林内的变化。“卫星嵌入数据集可以改变我们团队的工作方式，”MapBiomas 的创始人 Tasso Azevedo 在一份声明中说。“我们现在有了新的选择来制作更准确、更精确、更快速的地图——这是我们以前永远无法做到的。”
全球生态系统地图集倡议利用该系统创建了所谓的第一个用于绘制世界生态系统地图的综合资源。该项目帮助各国将未绘制地图的地区分为沿海灌木丛和超干旱沙漠等类别，这些都是保护规划的关键信息。
詹姆斯库克大学全球生态实验室主任兼全球生态系统地图集全球科学负责人尼克·默里 （Nick Murray） 表示：“卫星嵌入数据集正在帮助各国绘制未知生态系统地图，从而彻底改变我们的工作——这对于确定保护工作的重点至关重要。
该系统解决了卫星图像的最大问题：云和数据缺失
该研究论文揭示了这些功能背后的复杂工程。AlphaEarth Foundations 处理来自多个来源的数据——光学卫星图像、雷达、3D 激光测绘、气候模拟等——将它们编织成一张连贯的地球表面图片。
该系统在技术上的与众不同之处在于它对时间的处理。“据我们所知，AEF 是第一个支持连续时间的 EO 特征化方法，”研究人员指出。这意味着该系统可以为任何特定日期范围创建准确的地图，甚至可以在观测之间进行插值或推断到没有直接卫星覆盖的时期。
该模型架构被称为“时空精度”或 STP，在同时保持高度局部化的表示，同时对跨时间和空间的远距离关系进行建模。这使其能够克服常见的挑战，例如云层覆盖，这些挑战经常遮挡热带地区的卫星图像。
为什么企业现在无需昂贵的地面测量即可绘制广阔的地图
对于企业和政府的技术决策者来说，AlphaEarth 基金会可以从根本上改变组织处理地理空间智能的方式。
该系统在“稀疏数据制度”（真实信息有限的情况下）尤其出色。这解决了地球观测中的一个基本挑战：虽然卫星提供全球覆盖，但地面验证仍然昂贵且在后勤上具有挑战性。
研究论文指出：“高质量的地图依赖于高质量的标记数据，但在全球尺度上工作时，必须在测量精度和空间覆盖范围之间取得平衡。AlphaEarth Foundations 能够从有限的地面观测中准确推断，可以大大降低为大面积创建详细地图的成本。
该研究在从作物类型分类到估计蒸散率等多种应用中表现出强大的性能。在一项涉及蒸散发（水从陆地转移到大气的过程）的特别具有挑战性的测试中，AlphaEarth Foundations 的 R² 值为 0.58，而所有其他测试方法都产生了负值，表明它们的表现比简单地猜测平均值差。
谷歌将地球监测人工智能与其天气和野火系统并列
该公告使谷歌处于该公司所谓的“谷歌地球人工智能”的最前沿——这是旨在应对地球挑战的地理空间模型的集合。这包括天气预报、洪水预报和野火检测系统，这些系统已经为 Google 搜索和地图中数百万人使用的功能提供支持。
“我们花了数年时间构建强大的人工智能模型来解决现实世界的问题，”谷歌研究院副总裁兼总经理 Yossi Matias 和 Geo 副总裁兼总经理 Chris Phillips 在今天上午发布的一篇随附博客文章中写道。“这些模型已经为数百万人使用的功能提供支持，例如搜索和地图中的洪水和野火警报;他们还通过 Google 地球、Google Maps Platform 和 Google Cloud Platform 提供可作的见解。
该版本包括卫星嵌入数据集，该数据集被描述为“同类数据中最大的数据集之一，每年有超过 1.4 万亿个嵌入足迹”，可通过 Google Earth Engine 获得。该数据集涵盖了 2017 年至 2024 年的年度快照，为跟踪环境变化提供了历史背景。
10 米分辨率可保护隐私，同时实现环境监测
谷歌强调，该系统的运行分辨率专为环境监测而设计，而不是单独跟踪。“该数据集无法捕获单个物体、人或人脸，而是公开可用数据源的表示，例如气象卫星，”该公司澄清道。
10 米的分辨率虽然对于大多数环境应用来说足够精确，但有意限制了识别单个结构或活动的能力——这是一种平衡实用性与隐私保护的设计选择。
通过 Google 地球引擎开启行星智能的新时代
通过 Google Earth Engine 提供 AlphaEarth Foundations 可以使复杂的地球观测能力的访问民主化。以前，创建大面积的详细地图需要大量的计算资源和专业知识。现在，组织可以利用预先计算的嵌入来快速生成自定义地图。
“这一突破使科学家能够做一些迄今为止不可能完成的事情：按需创建详细、一致的世界地图，”研究小组写道。无论是监测作物健康状况、追踪森林砍伐还是观察新建筑，他们都不再需要依赖头顶经过的一颗卫星。
对于涉及供应链监控、农业生产、城市规划或环境合规的企业来说，该技术为数据驱动的决策提供了新的可能性。能够以 10 米分辨率跟踪全球范围内的变化，并每年更新一次，为从验证可持续采购声明到优化农业产量等应用奠定了基础。
卫星嵌入数据集现已通过 Google Earth Engine 提供，作为 Google 更广泛的地球 AI 计划的一部分，AlphaEarth 基金会将继续开发。正如一位研究人员在新闻发布会上指出的那样，组织面临的问题不是他们是否不再需要全球规模的智能，而是他们是否有能力在没有智能的情况下运营。