AlphaEarth Foundations: AI od DeepMind s detailním pohledem na Zemi

Družice neustále sbírají obrovské množství dat o Zemi, od snímků až po měření, které dávají expertům aktuální informace o stavu planety. Tyto údaje jsou však často složité, různorodé a rychle se mění, což ztěžuje jejich plné využití. Právě zde vstupuje do hry AlphaEarth Foundations, pokročilý model umělé inteligence od Google DeepMind. Tento systém funguje jako virtuální družice, která spojuje petabajty informací z pozorování Země do jedné sjednocené digitální formy, známé jako embedding (vložení). To umožňuje počítačům snadno zpracovávat data a poskytovat vědcům ucelenější přehled o tom, jak se planeta vyvíjí. Výsledek? Lepší rozhodnutí v oblastech jako potravinová bezpečnost, boj proti odlesňování, růst měst nebo správa vodních zdrojů.

Tento model přesně popisuje celou pevninskou část Země i pobřežní oblasti, a to díky integraci různých typů dat. Aby se podpořil výzkum a praktické aplikace, tým uvolnil roční vložení prezentace v nástroji Google Earth Engine. Během posledního roku spolupracovali s více než 50 organizacemi, které tyto data testovaly v reálných scénářích. Partneři oceňují, jak jim to pomáhá lépe identifikovat neznámé ekosystémy, sledovat změny v zemědělství a životním prostředí, a zvyšovat přesnost i rychlost tvorby map.

Princip fungování AlphaEarth Foundations

AlphaEarth Foundations řeší klíčové problémy v práci s geoprostorovými daty: příliš mnoho informací a jejich nesoulad. Nejprve sbírá data z mnoha veřejných zdrojů, jako jsou optické snímky z družic, radarové údaje, 3D laserové mapy, klimatické modely a další. Všechny tyto prvky spojuje do analýzy, která dělí svět na malé čtverce o rozměrech 10x10 metrů. To umožňuje detailní sledování změn v čase s vysokou přesností.

Další velkou výhodou je tvorba kompaktních shrnutí pro každý čtverec. Tyto shrnutí zabírají 16krát méně místa než u jiných testovaných AI systémů, což výrazně snižuje náklady na rozsáhlé analýzy. Vědci tak mohou na požádání vytvářet přesné mapy – například pro kontrolu stavu úrody, monitorování zalesňování nebo sledování nových staveb. Už nemusí čekat na konkrétní družici; mají k dispozici robustní základ pro všechny geoprostorové úkoly.

Tým model důkladně prověřil v testech. Ve srovnání s klasickými přístupy i jinými AI nástroji se ukázal jako nejpřesnější v různých úkolech, jako je určování využití půdy nebo odhad povrchových charakteristik. Zvláště dobře si vedl, když bylo málo označených dat, s průměrnou chybovostí o 24 % nižší než u konkurentů. Podrobnosti o tom najdete v jejich studii na arXiv.

Vlastní mapy díky Satellite Embedding dataset

S podporou AlphaEarth Foundations nabízí Satellite Embedding dataset v Google Earth Engine přes 1,4 bilionu embeddingových prvků ročně – jedna z největších sbírek tohoto typu. Organizace jako Organizace spojených národů pro výživu a zemědělství (FAO), Harvard Forest, Group on Earth Observations, MapBiomas, Oregon State University, Spatial Informatics Group nebo Stanford University ji využívají k tvorbě specializovaných map, které přinášejí praktické poznatky.

Příkladem je projekt Global Ecosystems Atlas, který cílí na první úplný přehled světových ekosystémů. Pomocí tohoto datasetu pomáhají zemím třídit neznámé oblasti do kategorií jako pobřežní křoviny nebo extrémně suché pouště. To je zásadní pro určení priorit v ochraně přírody, plánování obnovy a boji proti úbytku biodiverzity.

Nick Murray, ředitel laboratoře globální ekologie na James Cook University a vědecký vedoucí Global Ecosystems Atlas, poznamenal: "Tato datová sada mění naši práci od základu, protože umožňuje zemím mapovat dosud neznámé ekosystémy – to je klíčové pro zaměření ochranných opatření."

V Brazílii zase MapBiomas testuje data pro lepší pochopení změn v zemědělství a prostředí. Takové mapy podporují strategie udržitelného rozvoje v místech jako amazonský prales. Tasso Azevedo, zakladatel MapBiomas, dodal: "Tento dataset může úplně změnit náš přístup – teď dokážeme vytvářet mapy, které jsou přesnější, detailnější a rychleji hotové, což bylo dříve nemyslitelné."

Budoucnost s AlphaEarth Foundations

Tento model znamená velký pokrok v chápání dynamiky naší planety. Aktuálně slouží k tvorbě ročních embeddingů, ale tým vidí potenciál v kombinaci s pokročilými systémy jako Gemini pro ještě lepší analýzy. Pokračují ve vývoji časových funkcí jako součást Google Earth AI, což je soubor modelů a dat pro řešení globálních výzev.

Projekt vznikl díky spolupráci týmů Google DeepMind a Google Earth Engine, s příspěvky od expertů jako Christopher Brown, Michal Kazmierski, Valerie Pasquarella, William Rucklidge, Masha Samsikova, Olivia Wiles, Chenhui Zhang, Estefania Lahera, Evan Shelhamer, Simon Ilyushchenko, Noel Gorelick, Lihui Lydia Zhang, Sophia Alj, Emily Schechter, Sean Askay, Oliver Guinan, Rebecca Moore, Alexis Boukouvalas a Pushmeet Kohli.