Ciencia
El nuevo modelo de IA integra los datos de observación de petabytes de la Tierra para generar una representación de datos unificados que revoluciona el mapeo y el monitoreo global
Todos los días, los satélites capturan imágenes y mediciones ricas en información, proporcionando a los científicos y expertos una visión casi real de nuestro planeta. Si bien estos datos han sido increíblemente impactantes, su complejidad, multimodalidad y tasa de actualización crean un nuevo desafío: conectar conjuntos de datos dispares y hacer uso de todos de manera efectiva.
Hoy, estamos presentando fundamentos de AlphaEarth, un modelo de inteligencia artificial (IA) que funciona como un satélite virtual. Se caracteriza con precisión y eficientemente las aguas terrestres y costeras del planeta integrando grandes cantidades de datos de observación de la Tierra en una representación digital unificada, o “incrustación,“Que los sistemas informáticos pueden procesar fácilmente. Esto permite al modelo proporcionar a los científicos una imagen más completa y consistente de la evolución de nuestro planeta, ayudándoles a tomar decisiones más informadas sobre temas críticos como la seguridad alimentaria, la deforestación, la expansión urbana y los recursos hídricos.
Para acelerar la investigación y desbloquear los casos de uso, ahora estamos lanzando una colección de incrustaciones anuales de las fundaciones de AlphaEarth como el Conjunto de datos de incrustación de satélite en Google Earth Engine. Durante el año pasado, hemos estado trabajando con más de 50 organizaciones para probar este conjunto de datos en sus aplicaciones del mundo real.
Nuestros socios ya están viendo beneficios significativos, utilizando los datos para clasificar mejor los ecosistemas no asignados, comprender los cambios agrícolas y ambientales, y aumentar en gran medida la precisión y la velocidad de su trabajo de mapeo. En este blog, estamos entusiasmados de resaltar algunos de sus comentarios y mostrar el impacto tangible de esta nueva tecnología.
Visualizando los ricos detalles de nuestro mundo asignando los colores rojo, verde y azul a tres de las 64 dimensiones de los campos de incrustación de Alphaearth Foundations. En Ecuador, el modelo ve a través de la cobertura de nubes persistente para detallar las parcelas agrícolas en varias etapas de desarrollo. En otros lugares, mapea una superficie compleja en la Antártida, un área notoriamente difícil de imaginar debido a las imágenes satelitales irregulares, en detalle claro, y hace variaciones aparentes en el uso de la tierra agrícola canadiense que son invisibles a simple vista.
Visualizando los ricos detalles de nuestro mundo asignando los colores rojo, verde y azul a tres de las 64 dimensiones de los campos de incrustación de Alphaearth Foundations. En Ecuador, el modelo ve a través de la cobertura de nubes persistente para detallar las parcelas agrícolas en varias etapas de desarrollo. En otros lugares, mapea una superficie compleja en la Antártida, un área notoriamente difícil de imaginar debido a las imágenes satelitales irregulares, en detalle claro, y hace variaciones aparentes en el uso de la tierra agrícola canadiense que son invisibles a simple vista.
Visualizando los ricos detalles de nuestro mundo asignando los colores rojo, verde y azul a tres de las 64 dimensiones de los campos de incrustación de Alphaearth Foundations. En Ecuador, el modelo ve a través de la cobertura de nubes persistente para detallar las parcelas agrícolas en varias etapas de desarrollo. En otros lugares, mapea una superficie compleja en la Antártida, un área notoriamente difícil de imaginar debido a las imágenes satelitales irregulares, en detalle claro, y hace variaciones aparentes en el uso de la tierra agrícola canadiense que son invisibles a simple vista.
Cómo funcionan las bases de Alphaearth
Alphaearth Foundations proporciona una nueva lente poderosa para comprender nuestro planeta al resolver dos desafíos principales: sobrecarga de datos e información inconsistente.
Primero, combina volúmenes de información de docenas de diferentes fuentes públicas: imágenes satelitales ópticas, radar, mapeo láser 3D, simulaciones climáticas y más. Teje toda esta información para analizar las aguas de la tierra y las costas del mundo en cuadrados agudos de 10×10 metros, lo que le permite rastrear los cambios con el tiempo con notable precisión.
En segundo lugar, hace que estos datos sean prácticos de usar. La innovación clave del sistema es su capacidad para crear un resumen altamente compacto para cada cuadrado. Estos resúmenes requieren 16 veces menos espacio de almacenamiento que los producidos por otros sistemas de IA que probamos y reduce drásticamente el costo del análisis de escala planetaria.
Este avance permite a los científicos hacer algo que era imposible hasta ahora: crear mapas detallados y consistentes de nuestro mundo, bajo demanda. Ya sea que estén monitoreando la salud de los cultivos, el seguimiento de la deforestación u observando nuevas construcciones, ya no tienen que confiar en un solo satélite que pasa por encima. Ahora tienen un nuevo tipo de base para los datos geoespaciales.
Diagrama que muestra cómo funciona los cimientos de AlphaEarth, tomando marcos de muestras no uniformemente de una secuencia de video para indexar cualquier posición en el tiempo. Esto ayuda al modelo a crear una vista continua de la ubicación, al tiempo que explica numerosas mediciones.
Para garantizar que las bases de AlphaEarth estuvieran listas para el uso del mundo real, probamos rigurosamente su rendimiento. En comparación con los métodos tradicionales y otros sistemas de mapeo de IA, las bases de AlphaEarth fueron consistentemente las más precisas. Se destacó en una amplia gama de tareas durante diferentes períodos de tiempo, incluida la identificación del uso de la tierra y la estimación de las propiedades de la superficie. Crucialmente, logró esto en escenarios cuando los datos de la etiqueta eran escasos. En promedio, las bases de AlphaEarth tenían una tasa de error de 24% más baja que los modelos que probamos, lo que demuestra su eficiencia de aprendizaje superior. Aprenda más en nuestro papel.
Diagrama que muestra un campo de incrustación global desglosado en una sola incrustación, de izquierda a derecha. Cada incrustación tiene 64 componentes que se asignan a coordenadas en una esfera de 64 dimensiones.
Generación de mapas personalizados con el conjunto de datos de incrustación de satélite
Impulsado por fundamentos de AlphaEarth, el Conjunto de datos de incrustación de satélite En Google Earth, el motor es uno de los más grandes de su tipo con más de 1.4 billones de huellas de incrustación por año. Esta colección de integridades anuales ya está siendo utilizada por organizaciones de todo el mundo, incluidas las Naciones Unidas ‘ Organización de la Agricultura y Alimentos, Bosque de Harvard, Observaciones de grupo en la Tierra, Mapbiomas, Universidad Estatal de Oregonel Grupo de informática espacial y Universidad de Stanfordpara crear poderosos mapas personalizados que impulsen ideas del mundo real.
Por ejemplo, Atlas de ecosistemas globalesuna iniciativa con el objetivo de crear el primer recurso integral para mapear y monitorear los ecosistemas del mundo, es utilizar este conjunto de datos para ayudar a los países a clasificar los ecosistemas no asignados en categorías como arbustos costeros y desiertos hiperáridos. Este primero de su tipo de recurso desempeñará un papel fundamental en ayudar a los países a priorizar mejor las áreas de conservación, optimizar los esfuerzos de restauración y combatir la pérdida de biodiversidad.
“
El conjunto de datos de incrustación satelital está revolucionando nuestro trabajo ayudando a los países a mapear ecosistemas desconocidos: esto es crucial para identificar dónde enfocar sus esfuerzos de conservación.
Nick Murray, Director del Laboratorio de Ecología Global de la Universidad James Cook y el líder de la ciencia global de los ecosistemas globales Atlas
En Brasil, Mapbiomas está probando el conjunto de datos para comprender más profundamente los cambios agrícolas y ambientales en todo el país. Este tipo de mapa informa estrategias de conservación e iniciativas de desarrollo sostenible en ecosistemas críticos como la selva amazónica.
Como dijo Tasso Azevedo, fundador de Mapbiomas, “el conjunto de datos de incrustación de satélite puede transformar la forma en que funciona nuestro equipo, ahora tenemos nuevas opciones para hacer mapas que sean más precisos, precisos y rápidos de producir, algo que nunca antes habríamos podido hacer”.
Lea más sobre el conjunto de datos de incrustación de satélite y vea tutoriales en el Blog de Google Earth Engine .
Empoderar a otros con IA
Las bases de AlphaEarth representan un paso significativo para comprender el estado y la dinámica de nuestro planeta cambiante. Actualmente estamos utilizando las bases de AlphaEarth para generar integridades anuales y creemos que podrían ser aún más útiles en el futuro cuando se combinan con agentes de razonamiento general de LLM como Géminis. Continuamos explorando las mejores formas de aplicar las capacidades del tiempo de nuestro modelo como parte de Google Earth Ainuestra colección de modelos y conjuntos de datos geoespaciales para ayudar a abordar las necesidades más críticas del planeta.
Expresiones de gratitud
Este trabajo fue una colaboración entre equipos en Google Deepmind y Google Earth Engine.
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, Oliver. Guinan, Rebecca Moore, Alexis Boukouvalas, Pushmeet Kohli