تقول Google Deepmind أن الذكاء الاصطناعى الجديد يمكنه تعيين الكوكب بأكمله بدقة غير مسبوقة

كيف يضغط الذكاء الاصطناعى على بيتيات بيانات الأقمار الصناعية في ذكاء يمكن التحكم فيه

يكمن الابتكار الأساسي في كيفية”https://deepmind.google/research/”> أسس ألفاييرث معالجة المعلومات. بدلاً من التعامل مع كل صورة قمر صناعي كقطعة منفصلة من البيانات ، يخلق النظام ما يسميه الباحثون “تضمين الحقول”-ملخصات رقمية مضغوطة للغاية تلتقط الخصائص الأساسية لسطح الأرض في مربعات 10 أمتار.

يوضح فريق البحث: “إن الابتكار الرئيسي للنظام هو قدرته على إنشاء ملخص مدمج للغاية لكل مربع”. “تتطلب هذه الملخصات مساحة تخزين أقل 16 مرة من تلك التي تنتجها أنظمة الذكاء الاصطناعى الأخرى التي اختبرناها وتقلل بشكل كبير من تكلفة تحليل الكواكب.”

هذا الضغط لا يضحى بالتفاصيل. يحتفظ النظام بما يصفه الباحثون على أنه دقة “حادة ، 10 × 10 متر” أثناء التتبع مع مرور الوقت. بالنسبة للسياق ، يسمح هذا القرار للمؤسسات بمراقبة كتل المدن الفردية أو الحقول الزراعية الصغيرة أو بقع الغابات – وهي مهمة للتطبيقات التي تتراوح من التخطيط الحضري إلى الحفظ.

الباحثون البرازيليون يستخدمون النظام لتتبع إزالة الغابات في الأمازون في الوقت الفعلي القريب

تختبر أكثر من 50 منظمة النظام على مدار العام الماضي ، مع وجود نتائج مبكرة تشير إلى إمكانات تحويلية عبر قطاعات متعددة.

في البرازيل ،”https://brasil.mapbiomas.org/en/”> Mapbiomas يستخدم التكنولوجيا لفهم التغيرات الزراعية والبيئية في جميع أنحاء البلاد ، بما في ذلك داخل غابات الأمازون المطيرة. وقال Tasso Azevedo ، مؤسس MapBiomas ، في بيان: “يمكن لمجموعة بيانات تضمين الأقمار الصناعية تحويل الطريقة التي يعمل بها فريقنا”. “لدينا الآن خيارات جديدة لصنع خرائط أكثر دقة ودقة وسريعة لإنتاج – شيء لم نتمكن من فعله من قبل.”

ال”https://earthobservations.org/groups/global-ecosystems-atlas”> مبادرة الأطلس النظم الإيكولوجية العالمية توظف النظام لإنشاء ما يسميه أول مورد شامل لتخطيط النظم الإيكولوجية في العالم. يساعد المشروع البلدان في تصنيف المناطق غير المُحسّنة إلى فئات مثل شجيرات الساحلية والصحاري المفرطة-المعلومات الحاسمة للتخطيط للحفظ.

وقال نيك موراي ، مدير مختبر علم البيئة العالمي في جامعة جيمس كوك والعلوم العالمية للنظم الإيكولوجية العالمية: “إن مجموعة بيانات تضمين الأقمار الصناعية تحدث ثورة في عملنا من خلال مساعدة البلدان على تعيين النظم الإيكولوجية غير المقيدة – وهذا أمر بالغ الأهمية لتحديد مكان تركيز جهودهم في الحفظ”.

يحل النظام أكبر مشكلة في صور القمر الصناعي: السحب والبيانات المفقودة

ال”https://deepmind.google/research/”> ورقة البحث يكشف الهندسة المتطورة وراء هذه القدرات. تقوم أسس Alphaearth بمعالجة البيانات من مصادر متعددة – صور الأقمار الصناعية البصرية ، والرادار ، ورسم الخرائط بالليزر ثلاثية الأبعاد ، ومحاكاة المناخ ، والمزيد – تنسجها معًا في صورة متماسكة لسطح الأرض.

ما يميز النظام عن جانبه من الناحية الفنية هو التعامل مع الوقت. “على حد علمنا ، فإن AEF هو أول نهج تميز EO لدعم الوقت المستمر” ، يلاحظ الباحثون. هذا يعني أن النظام يمكن أن ينشئ خرائط دقيقة لأي نطاق تاريخ محدد ، حتى بين الملاحظات أو الاستقراء إلى فترات بدون تغطية ساتلية مباشرة.

تحافظ بنية النموذج ، التي يطلق عليها اسم “دقة وقت الفضاء” أو STP ، في وقت واحد إلى تمثيلات محلية للغاية أثناء نمذجة علاقات المسافات الطويلة عبر الزمان والمكان. هذا يسمح لها بالتغلب على التحديات الشائعة مثل الغطاء السحابي الذي يحجب صور الأقمار الصناعية في المناطق الاستوائية.

لماذا يمكن للمؤسسات الآن تعيين مناطق شاسعة دون استطلاعات أرضية باهظة الثمن

بالنسبة إلى صانعي القرار الفنيين في المؤسسات والحكومة ، يمكن أن تغير أسس Alphaearth بشكل أساسي كيف تتعامل المنظمات مع الذكاء الجيولوجي.

يتفوق النظام بشكل خاص في “أنظمة البيانات المتفرقة”-المواقف التي تكون فيها معلومات الحقيقة الأرضية محدودة. هذا يعالج تحديًا أساسيًا في مراقبة الأرض: في حين توفر الأقمار الصناعية تغطية عالمية ، إلا أن التحقق على أرض الواقع لا يزال باهظ الثمن وصعب لوجستية.

“تعتمد الخرائط عالية الجودة على البيانات ذات الجودة العالية المسمى ، ولكن عند العمل على المقاييس العالمية ، يجب أن يتم تحقيق التوازن بين دقة القياس والتغطية المكانية” ، تلاحظ ورقة البحث. يمكن أن تقلل قدرة alphaearth esterctions على الاستقراء بدقة من الملاحظات الأرضية المحدودة بشكل كبير من تكلفة إنشاء خرائط مفصلة للمساحات الكبيرة.

يوضح البحث أداءً قوياً عبر التطبيقات المتنوعة ، من تصنيف نوع المحاصيل إلى تقدير معدلات التبخر. في أحد الاختبارات الصعبة التي تنطوي على التبخر – العملية التي تنقل بها المياه من الأرض إلى الغلاف الجوي – حققت أسس ألفاييرث قيمة r² قدرها 0.58 ، في حين أن جميع الطرق الأخرى التي تم اختبارها تنتج قيمًا سلبية ، مما يشير إلى أنها كانت تؤدي أسوأ من تخمين المتوسط.

توضع Google في مراقبة الأرض من الذكاء الاصطناع

يضع الإعلان Google في طليعة ما تسميه الشركة “”https://deepmind.google/research/”> Google Earth AI” – مجموعة من النماذج الجغرافية المكانية المصممة لمواجهة تحديات الكواكب. ويشمل ذلك تنبؤات الطقس والتنبؤ بالفيضانات وأنظمة الكشف عن حرائق الغابات التي تستخدمها بالفعل ملايين الملايين في بحث Google والخرائط.

“لقد أمضينا سنوات في بناء نماذج قوية من الذكاء الاصطناعي لحل مشاكل العالم الحقيقي” ، اكتب Yossi Matias ، VP & GM من Google Research ، و Chris Phillips ، VP & GM Of Geo ، في منشور مدونة مصاحب تم نشره هذا الصباح. “هذه النماذج بالفعل ميزات الطاقة التي تستخدمها الملايين ، مثل تنبيهات الفيضانات والغريبة في البحث والخرائط ؛ فهي توفر أيضًا رؤى قابلة للتنفيذ من خلال Google Earth و Google Maps Platform و Google Cloud Platform.”

يشمل الإصدار”https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_SATELLITE_EMBEDDING_V1_ANNUAL#description”> مجموعة بيانات تضمين الأقمار الصناعية، الموصوفة بأنها “واحدة من أكبرها من نوعها مع أكثر من 1.4 تريليون آثار آثار دمج كل عام” ، من خلال”https://developers.google.com/earth-engine/” الهدف=”_blank” rel=”noreferrer noopener”> محرك Google Earth. تغطي مجموعة البيانات هذه اللقطات السنوية من عام 2017 إلى عام 2024 ، مما يوفر السياق التاريخي لتتبع التغييرات البيئية.

الدقة التي يبلغ طولها 10 أمتار تحمي الخصوصية مع تمكين المراقبة البيئية

تؤكد Google على أن النظام يعمل بدقة مصممة للمراقبة البيئية بدلاً من التتبع الفردي. “لا يمكن لمجموعة البيانات التقاط كائنات فردية أو أشخاص أو وجوه ، وهي تمثيل لمصادر البيانات المتاحة للجمهور ، مثل الأقمار الصناعية للأرصاد الجوية” ، توضح الشركة.

الدقة التي يبلغ طولها 10 أمتار ، على الرغم من أنها دقيقة بما يكفي لمعظم التطبيقات البيئية ، تحد عمداً من القدرة على تحديد الهياكل أو الأنشطة الفردية-وهو اختيار تصميم يوازن بين الفائدة مع حماية الخصوصية.

حقبة جديدة من الذكاء الكوكبي تصل عبر محرك Google Earth

توافر أسس ألفايارث من خلال”https://developers.google.com/earth-engine/”> محرك Google Earth يمكن أن يضعف الوصول إلى قدرات مراقبة الأرض المتطورة. في السابق ، يتطلب إنشاء خرائط مفصلة للمساحات الكبيرة موارد وخبرات حسابية كبيرة. الآن ، يمكن للمؤسسات الاستفادة من التضمينات المحسوبة مسبقًا لتوليد خرائط مخصصة بسرعة.

“هذا الاختراق يمكّن العلماء من فعل شيء كان مستحيلًا حتى الآن: إنشاء خرائط مفصلة ومتسقة لعالمنا ، بناءً على الطلب” ، يكتب فريق الأبحاث. “سواء كانوا يراقبون صحة المحاصيل ، أو تتبع إزالة الغابات ، أو مراقبة بناء جديد ، لم يعد عليهم الاعتماد على قمر صناعي واحد يمر فوقه.”

بالنسبة للمؤسسات المشاركة في مراقبة سلسلة التوريد أو الإنتاج الزراعي أو التخطيط الحضري أو الامتثال البيئي ، توفر التكنولوجيا إمكانيات جديدة لاتخاذ القرارات القائمة على البيانات. توفر القدرة على تتبع التغييرات بدقة 10 أمتار على مستوى العالم ، مع التحديثات السنوية ، أساسًا للتطبيقات التي تتراوح من التحقق من مطالبات المصادر المستدامة إلى تحسين العائدات الزراعية.

ال”https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_SATELLITE_EMBEDDING_V1_ANNUAL#description”> مجموعة بيانات تضمين الأقمار الصناعية متوفر الآن من خلال”https://developers.google.com/earth-engine/”> محرك Google Earth، مع استمرار أسس Alphaearth في التطوير كجزء من مبادرة AIR AIR من Google. كما لاحظ أحد الباحثين خلال الإحاطة الصحفية ، فإن السؤال الذي يواجه المنظمات ليس ما إذا كانت بحاجة إلى ذكاء على نطاق الكواكب بعد الآن-ما إذا كان بإمكانهم العمل بدونها.