聞涵滌

新智元報(bào)道

桃子

【新智元導(dǎo)讀】谷歌DeepMind開啟「上帝視角」，全新力作AlphaEarthFoundations震撼上線，10米級分辨率，打造出前所未有的地球數(shù)字畫像。網(wǎng)友直呼：這不就是「地球版ChatGPT」？

剛剛，Alpha家族又上新了！

這一次，谷歌DeepMind幫人類打開了「上帝視角」——全新AlphaEarthFoundations正以驚人的細(xì)節(jié)繪制出整個(gè)地球。

它集成了PB級地球觀測數(shù)據(jù)，可生成統(tǒng)一的數(shù)據(jù)表示。

具體來說，AlphaEarthFoundations將地球每10x10米網(wǎng)格的信息，濃縮成高效數(shù)據(jù)，一共有64個(gè)維度。

10米級分辨率，足以讓你看清地球每個(gè)角落。

谷歌將一年的多源衛(wèi)星數(shù)據(jù)的精華，濃縮在每個(gè)10米見方的像素之中

AlphaEarthFoundations獨(dú)特之處，便在于其強(qiáng)大的「特征學(xué)習(xí)」的能力。

通過復(fù)雜的嵌入技術(shù)，模型能從光學(xué)、雷達(dá)、3D數(shù)據(jù)中提取關(guān)鍵特征，輕松區(qū)分沙灘與沙漠、森林與農(nóng)田。

這種能力，讓它在性能上超越了其他AI和傳統(tǒng)方法，錯誤率降低了24%。

同在今天，谷歌團(tuán)隊(duì)還放出了63頁超全技術(shù)報(bào)告。

論文地址：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/alphaearth-foundations.pdf

AlphaEarthFoundations就如同一顆「虛擬衛(wèi)星」，為人類提供了一扇窺探地球脈動的窗口。

它能讓科學(xué)家更快速、更高效分析地球動態(tài)，監(jiān)測作物健康、追蹤森林砍伐，應(yīng)對氣候變化等全球性問題。

一位網(wǎng)友盛贊，谷歌在構(gòu)建「地球版ChatGPT」的路上，邁出了重要一步。

問題來了，我們?yōu)槭裁葱枰粋€(gè)，AI版地球模型？

AI版「虛擬衛(wèi)星」登場

64維超高精度

每天，衛(wèi)星從太空捕捉地球的每一寸變化，生成海量的圖像和觀測數(shù)據(jù)。

這些數(shù)據(jù)為科學(xué)家、決策者們，提供了近乎實(shí)時(shí)的地球全景。

過去15年，EarthEngine平臺開放的地球觀測影像和地理空間數(shù)據(jù)，徹底改變了我們對地球的認(rèn)知方式。

但因其復(fù)雜性、多模態(tài)、刷新率也催生了一項(xiàng)新挑戰(zhàn)：如何連接異構(gòu)的數(shù)據(jù)集，并對其進(jìn)行高效利用？

AlphaEarthFoundations的誕生，就成為這一難題破解的制勝法器。

這是一款堪稱「虛擬衛(wèi)星」的AI模型，能將海量球觀測數(shù)據(jù)，整合到一個(gè)計(jì)算機(jī)系統(tǒng)，并輕松處理的統(tǒng)一數(shù)字表示（即「嵌入」）。

最終，它以前所未有的精細(xì)度，繪制出地球上所有的陸地和沿海水域。

AlphaEarthFoundations不僅為科學(xué)家提供了更完整、一致的地球演變圖景，還助力他們在糧食安全、森林砍伐、城市擴(kuò)展、水資源管理等領(lǐng)域，做出更明智的決策。

工作原理

通過解決「數(shù)據(jù)過載」和「信息不一致」這兩大挑戰(zhàn)，AlphaEarthFoundations為我們理解地球提供了全新的視角。

首先，它整合了來自數(shù)十個(gè)不同公共來源的海量信息，包括光學(xué)衛(wèi)星圖像、雷達(dá)、3D激光測繪、氣候模擬等。

它將所有信息融會貫通后，再以清晰的10x10米的超高精度分析全球陸地和沿海水域，追蹤地球隨時(shí)間的變化。

其次，它使這些數(shù)據(jù)變得易于使用。

該系統(tǒng)的關(guān)鍵創(chuàng)新在于，能為每個(gè)方塊區(qū)域創(chuàng)建一個(gè)高度緊湊的數(shù)字摘要。

與其他AI系統(tǒng)相比，這些摘要的存儲空間減少了16倍，顯著降低了行星尺度分析的成本。

這一突破使科學(xué)家們能夠做到一件迄今為止無法實(shí)現(xiàn)的事情：按需創(chuàng)建詳細(xì)、一致的世界地圖。

AlphaEarthFoundations工作原理：從視頻序列中提取非均勻采樣的幀，以索引任意時(shí)間點(diǎn)的位置。這有助于模型構(gòu)建該地點(diǎn)的連續(xù)視圖，同時(shí)解釋大量測量數(shù)據(jù)。

無論是在監(jiān)測作物健康、追蹤森林砍伐，還是觀察新建筑，他們都不再需要僅僅依賴一顆飛過頭頂?shù)男l(wèi)星。

如今，他們擁有了一種新型的「地理空間數(shù)據(jù)基礎(chǔ)」。

經(jīng)過嚴(yán)格測試，AlphaEarthFoundations還展現(xiàn)了無與倫比的準(zhǔn)確性。

它在不同時(shí)間段的各種任務(wù)中都表現(xiàn)卓越，包括識別土地用途和估算地表屬性。

至關(guān)重要的是，即便在標(biāo)記數(shù)據(jù)稀缺的情況下，其錯誤率比其他模型平均低24%，展現(xiàn)了卓越的學(xué)習(xí)效率。

全局嵌入場被分解為單個(gè)嵌入的過程（從左至右）。每個(gè)嵌入包含64個(gè)分量，這些分量映射到64維球面上的坐標(biāo)點(diǎn)

如下生成的地圖數(shù)據(jù)中，AlphaEarthFoundations嵌入維度的64個(gè)維度中，三個(gè)分別賦予紅、綠、藍(lán)三色，即可將我們世界的豐富細(xì)節(jié)可視化。

在厄瓜多爾，該模型能穿透持續(xù)的云層，詳細(xì)呈現(xiàn)處于不同發(fā)展階段的農(nóng)田。

在其他地方，它清晰地繪制出南極洲的復(fù)雜地表——該地區(qū)因衛(wèi)星成像不規(guī)律而極難成像。

此外，它還揭示了加拿大農(nóng)業(yè)土地利用中肉眼不可見的差異。

左右滑動查看

接下來，我們詳細(xì)拆解AlphaEarthFoundations生成數(shù)據(jù)集的強(qiáng)大之處。

10x10像素，濃縮一年數(shù)據(jù)

谷歌團(tuán)隊(duì)利用AlphaEarthFoundations，生成了覆蓋2017年至今、每年10米分辨率的全球預(yù)計(jì)算嵌入數(shù)據(jù)集。

這些「嵌入」影像看似普通的EarthEngine影像集合，卻將AI賦能的特征提取能力融入到每個(gè)像素。

「嵌入」向量中究竟包含了哪些信息？

·多源測量數(shù)據(jù)

嵌入向量從多種數(shù)據(jù)源中學(xué)習(xí)，捕捉地表屬性的語義信息。

比如，一個(gè)像素的嵌入不僅反映其光譜特性，還包含周邊環(huán)境、季節(jié)性變化（如植被物候、積雪）以及地形和氣候特征。

·時(shí)空背景

AlphaEarthFoundations在全球超500萬個(gè)地點(diǎn)采樣、總計(jì)超過30億個(gè)獨(dú)立影像幀上進(jìn)行了訓(xùn)練。

模型將一個(gè)地點(diǎn)隨時(shí)間變化的衛(wèi)星影像視為視頻中的連續(xù)幀。

從而能夠跨越空間、時(shí)間和測量模式進(jìn)行學(xué)習(xí)，生成既能捕捉空間背景又能保留時(shí)間軌跡的嵌入。

這意味著，衛(wèi)星嵌入數(shù)據(jù)集中的每個(gè)嵌入向量，都為地球陸地表面上每塊10米像素（100平方米）的區(qū)域狀況，提供了一種高度緊湊且語義豐富的表示。

每個(gè)10米像素的嵌入還捕捉了其周邊區(qū)域的信息。

因此，即使某些區(qū)域（比如停車場的瀝青路面和高速公路）在孤立來看時(shí)非常相似，它們的嵌入向量也會有很大差異。

·64維看地球：坐標(biāo)與波段

衛(wèi)星嵌入數(shù)據(jù)集中的影像有64個(gè)波段——但它們不同于經(jīng)典的光學(xué)反射率或雷達(dá)回波。

恰恰相反，AlphaEarthFoundations嵌入中單個(gè)像素的64個(gè)「波段」，代表了在一個(gè)64維「球面」上的一個(gè)64維坐標(biāo)。

這些坐標(biāo)通過DL生成，數(shù)學(xué)上可解釋性強(qiáng)，但并非直接的物理測量值，而是對高維測量空間的緊湊表示。

「衛(wèi)星嵌入」本質(zhì)上是64維「球面」表面的一個(gè)坐標(biāo)點(diǎn)

有了衛(wèi)星嵌入數(shù)據(jù)集，科學(xué)家能夠進(jìn)行「相似性搜索」。

只需選擇一個(gè)目標(biāo)像素，嵌入向量即可通過簡單的點(diǎn)積計(jì)算，快速在全球范圍內(nèi)定位相似地表和環(huán)境條件的區(qū)域。

紐約市中心的嵌入向量，能輕松匹配其他高度城市化的區(qū)域。

對坐標(biāo)——73.9812,40.7628（美國紐約市中城區(qū)曼哈頓）進(jìn)行的相似性搜索

此外，基于相似性的比較同樣適用于時(shí)間維度，可用于由嵌入驅(qū)動的變化檢測和穩(wěn)定性監(jiān)測。

AlphaEarthFoundations嵌入空間被設(shè)計(jì)為在時(shí)間上保持一致。

通過比較同一像素在不同年份的嵌入向量，可以輕松監(jiān)測城市擴(kuò)張、野火恢復(fù)、水庫水位變化等。

下圖顯示了，2020年——2024年間在嵌入空間中觀測到的一些變化，每行最后一張圖顯示了每個(gè)像素與自身的相似度（值越亮表示差異越大），分別對應(yīng)以下幾種變化類型：

郊區(qū)擴(kuò)張

野火燎原后的土地，其中夾雜著火災(zāi)前就已被砍伐的區(qū)域

人工水庫從干旱期到水量緩解期的變化

不同年份間農(nóng)田的差異，展示了嵌入如何捕捉作物周期和休耕等年內(nèi)動態(tài)

除此以外，無需預(yù)先標(biāo)簽，嵌入向量結(jié)合EarthEngine的ee.Clusterer算法，可自動將像素聚類為不同地表類型（如森林、土壤、城市區(qū)域）。

這能揭示隱藏的地貌模式，助力研究地形、水文和物候特征。

地球版ChatGPT，按需創(chuàng)建地圖

目前，由AlphaEarthFoundations驅(qū)動的SatelliteEmbedding數(shù)據(jù)集，是EarthEngine中規(guī)模最大的數(shù)據(jù)集之一。

它每年包含了超1.4萬億個(gè)「嵌入」足跡。

全球眾多組織，包括聯(lián)合國糧食及農(nóng)業(yè)組織、哈佛森林、地球觀測組織、MapBiomas、俄勒岡州立大學(xué)等，已利用這一數(shù)據(jù)集創(chuàng)建自定義地圖，深入洞察現(xiàn)實(shí)世界。

在實(shí)際應(yīng)用中，AlphaEarthFoundations已取得了初步的成果。

「全球生態(tài)系統(tǒng)地圖集」(GlobalEcosystemsAtlas)計(jì)劃，利用數(shù)據(jù)集將未測繪的生態(tài)系統(tǒng)，分類為海灌木叢、極度干旱沙漠等類別。

這一首創(chuàng)的資源，為各國優(yōu)化保護(hù)區(qū)優(yōu)先級、推動生態(tài)恢復(fù)和遏制生物多樣性喪失提供關(guān)鍵支持。

還有巴西「MapBiomas」項(xiàng)目，通過測試該數(shù)據(jù)集，更深入了解了農(nóng)業(yè)和環(huán)境變化，為亞馬遜雨林等關(guān)鍵生態(tài)系統(tǒng)的保護(hù)戰(zhàn)略和可持續(xù)發(fā)展倡議提供了信息。

AlphaEarthFoundations，代表著人類理解地球動態(tài)的重要一步。

接下來，谷歌團(tuán)隊(duì)正使用其來生成年度嵌入（annualembeddings），并聯(lián)合強(qiáng)大Gemini一同發(fā)揮最大效用。

作為GoogleEarthAI的一部分，他們還將繼續(xù)探索應(yīng)用模型時(shí)序能力的最佳方式。

參考資料：

https://x.com/bilawalsidhu/status/1950580970907648234

https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/

https://medium.com/google-earth/ai-powered-pixels-introducing-googles-satellite-embedding-dataset-31744c1f4650

網(wǎng)游小說——第二名:全職高手

一本很好看的小說,蝴蝶藍(lán)寫的網(wǎng)游小說《全職高手》。

《全職高手》網(wǎng)游頂尖高手潛藏于網(wǎng)吧之中,看他如何重返巔峰之路