谷歌 DeepMind 推出人工智能，实现前所未有的全球地图绘制

谷歌 DeepMind 发布了一个开创性的人工智能系统，该系统可改变企业分析地球表面数据的方式，为政府、保护组织和全球企业的环境监测和资源管理带来潜在的变革。

该系统被命名为 AlphaEarth Foundations，旨在解决地球观测中的一个长期难题：将大量卫星数据流转化为可操作的智能。虽然卫星每天收集数 TB 的图像，但将这些不同的数据集整合成一致的见解一直是个问题。

"AlphaEarth Foundations 以虚拟卫星的形式运行，"研究团队在其出版物中解释道。"它通过将海量地球观测数据集统一为全面的数字表示，有效地描述了地球陆地和沿海地区的特征。"

与现有方法相比，这一人工智能解决方案减少了约 23.9% 的误差，同时所需的存储容量是同类系统的 16 倍。这种提高效率和准确性的组合可以大大降低地球尺度环境分析的相关成本。

人工智能如何将卫星数据转化为可操作的智能

该系统的核心创新在于其数据处理方法。AlphaEarth Foundations 不对单个卫星图像进行单独分析，而是生成 "嵌入场"--高度压缩的数字摘要，以 10 米网格截面表示地球表面的基本特征。

"研究人员解释说："该系统的突破性功能是为每个网格部分创建紧凑的摘要。"与我们评估过的其他人工智能系统相比，这些摘要所需的存储空间减少了 16 倍，大大降低了行星尺度的分析费用"。

这种压缩保持了详细的精确度。该系统在监测时间变化的同时，保留了开发人员所描述的 "10×10 米 "的清晰分辨率。这种粒度使组织能够跟踪单个城市街区、农田或森林地段--这对城市规划和保护应用至关重要。

巴西团队近乎实时精确地监测亚马逊森林砍伐情况

在过去的一年里，已有五十多家机构对该系统进行了测试，初步结果表明该系统在多个行业具有变革潜力。

在巴西，MapBiomas 利用该技术监测全国范围内的农业和环境变化，包括亚马逊雨林。"卫星嵌入数据集重塑了我们的操作方法，"MapBiomas 公司创始人塔索-阿泽维多（Tasso Azevedo）说。"我们现在能以前所未有的速度生成更准确、更精确的地图--这些能力以前是我们无法企及的。

全球生态系统地图集计划利用该系统开发了首个全面的全球生态系统地图资源。该项目帮助各国将尚未开发的地区划分为沿海灌木林地和超干旱沙漠等类别--这些信息对于制定保护战略至关重要。

"詹姆斯-库克大学全球生态学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）解释说："卫星嵌入数据集正在改变我们的方法，帮助各国绘制未知生态系统图--这对确定保护重点至关重要。

应对卫星图像的主要挑战：云层和数据缺口

研究论文详细介绍了这些功能背后的复杂工程。AlphaEarth Foundations 整合了多种来源的数据--光学卫星图像、雷达、三维激光绘图、气候模拟--将它们合成为连贯的地球表面表征。

该系统的时间处理能力体现了其技术特色。"据我们所知，AEF 是首个支持连续时间分析的 EO 特征化方法。研究人员认为，"据我们所知，AEF 是第一种支持连续时间分析的 EO 特征化方法，"研究人员说，"这使得能够对特定日期范围进行精确制图，包括在缺乏直接卫星覆盖期间进行观测和推断。

该模型架构被命名为 "时空精度"（STP），在对跨时空的远距离关系进行建模的同时，保持了高度本地化的表征。这一功能克服了热带地区经常遮挡卫星图像的云层覆盖等长期障碍。

无需进行昂贵的地面勘测，即可绘制广阔区域的企业地图

对于企业和政府部门的技术决策者来说，AlphaEarth Foundations 可以从根本上重塑地理空间情报方法。

该系统在 "稀少数据环境"--地面验证有限的情况下表现出众。这从根本上解决了地球观测的难题：虽然卫星提供了全球覆盖，但现场验证仍然成本高昂且后勤复杂。

"论文指出："高质量的测绘依赖于精确的标注数据，然而全球规模的运营需要在测量精度和空间覆盖之间取得平衡。AlphaEarth Foundations 能够根据有限的地面观测数据进行精确推断，这将大大降低绘制大面积详细地图的成本。

研究表明，从作物分类到蒸散率估算，AlphaEarth Foundations 在各种应用中都具有强大的性能。在一项要求苛刻的蒸散评估（测量水分从陆地向大气的转移）中，AlphaEarth Foundations 的 R² 值达到了 0.58，而所有比较方法的 R² 值均为负值，表明其性能不如平均值猜测。

谷歌将地球监测人工智能与天气和野火系统相整合

谷歌的这一宣布使该公司站在了 "谷歌地球人工智能 "的最前沿--这是一套应对地球挑战的地理空间模型。其中包括天气预报、洪水预报和野火探测系统，这些系统目前正通过谷歌搜索和地图为数百万人提供服务。

"谷歌研究院副总裁兼总经理尤西-马蒂亚斯（Yossi Matias）和地理副总裁兼总经理克里斯-菲利普斯（Chris Phillips）在一篇随附的博文中写道："我们多年来一直致力于开发强大的人工智能模型，以应对现实世界的挑战。"这些模型已经推动了数百万人使用的功能，包括搜索和地图中的洪水和野火警报；它们还通过谷歌地球、谷歌地图平台和谷歌云平台提供可操作的洞察力。

此次发布的数据集包括卫星嵌入数据集，该数据集被称为 "最大的数据集之一，每年有超过1.4万亿个嵌入足迹"，可通过谷歌地球引擎访问。该数据集提供了从 2017 年到 2024 年的年度快照，为跟踪环境变化提供了历史背景。

10 米分辨率保护隐私，同时促进环境监测

谷歌强调，该系统的分辨率水平设计用于环境监督，而非个人追踪。"数据集无法识别特定物体、个人或面部特征，只能代表气象卫星等公开数据源。

10 米的分辨率虽然对大多数环境应用来说足够精确，但却有意限制了对单个结构或活动的识别--这是一种兼顾实用性和隐私保护的设计理念。

通过谷歌地球引擎推进行星智能

AlphaEarth Foundations 通过谷歌地球引擎的可用性可以使复杂的地球观测能力平民化。以前，生成详细的大面积地图需要大量的计算资源和专业知识。现在，各组织可以利用预先计算的嵌入技术快速生成定制地图。

"研究团队指出："这一突破使科学家们有能力完成以前不可能完成的任务：按需生成详细、一致的全球地图。"无论是监测作物活力、跟踪森林砍伐，还是观测新建筑，他们都不再依赖于单次卫星传递"。

对于从事供应链监控、农业生产、城市规划或环境合规的企业来说，这项技术为数据驱动的决策提供了新的可能性。以 10 米分辨率监测全球变化并每年更新的能力，为从可持续采购验证到农业产量优化等各种应用奠定了基础。

卫星嵌入数据集目前可通过谷歌地球引擎访问，AlphaEarth Foundations 将在谷歌更广泛的地球人工智能计划内继续开发。正如一位研究人员在新闻发布会上所指出的，企业面临的问题不是他们是否需要地球规模的智能，而是他们能否承受没有智能的运营。