- A+
新智元报道
换个角度来看，
编辑：桃子
【新智元导读】谷歌DeepMind开启「上帝视角」，全新力作AlphaEarth Foundations震撼上线，10米级分辨率，打造出前所未有的地球数字画像。网友直呼：这不就是「地球版ChatGPT」？
据业内人士透露，
刚刚，Alpha家族又上新了！
大家常常忽略的是，
这一次，谷歌DeepMind帮人类打开了「上帝视角」——全新AlphaEarth Foundations正以惊人的细节绘制出整个地球。
XM外汇专家观点：
它集成了PB级地球观测数据，可生成统一的数据表示。
但实际上，
具体来说，AlphaEarth Foundations将地球每10x10米网格的信息，浓缩成高效数据，一共有64个维度。
说出来你可能不信，
10米级分辨率，足以让诸位看清地球每个角落。
概括一下，
简而言之，
谷歌将一年的多源卫星数据的精华，浓缩在每个10米见方的像素之中
XM外汇专家观点：
AlphaEarth Foundations独特之处，便在于其强大的「特征学习」的能力。
容易被误解的是，
通过棘手的嵌入技术，模型能从光学、雷达、3D数据中提取关键特征，轻松区分沙滩与沙漠、森林与农田。
其实，
这种能力，让它在性能上超越了其他AI和传统方法，错误率降低了24%。
同在今天，谷歌团队还放出了63页超全技术报告。
反过来看，
论文地址：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/alphaearth-foundations.pdf
AlphaEarth Foundations就如同一颗「虚拟卫星」，为人类给予了一扇窥探地球脉动的窗口。
更重要的是，
它能让科学家更快捷、更高效分析地球动态，监测作物健康、追踪森林砍伐，应对气候变化等全球性疑问。
不妨想一想，
一位网友盛赞，谷歌在构建「地球版ChatGPT」的路上，迈出了核心一步。
疑问来了，本站为什么需要一个，AI版地球模型？
大家常常忽略的是，
AI版「虚拟卫星」登场
换个角度来看，
64维超高精度
每天，卫星从太空捕捉地球的每一寸变化，生成海量的图像和观测数据。
这些数据为科学家、决策者们，给予了近乎实时的地球全景。
过去15年，Earth Engine平台开放的地球观测影像和地理空间数据，彻底改变了本站对地球的认知方法。
但因其棘手性、多模态、刷新率也催生了一项新挑战：如何连接异构的数据集，并对其进行高效利用？
换个角度来看，
AlphaEarth Foundations的诞生，就成为这一难题破解的制胜法器。
需要注意的是，
这是一款堪称「虚拟卫星」的AI模型，能将海量球观测数据，整合到一个计算机系统，并轻松处理的统一数字表示（即「嵌入」）。
根据公开数据显示，
最终，它以前所未有的精细度，绘制出地球上所有的陆地和沿海水域。
AlphaEarth Foundations不仅为科学家给予了更完整、一致的地球演变图景，还助力他们在粮食可靠、森林砍伐、城市扩展、水资源管理等领域，做出更明智的决策。
反过来看，
工 XM外汇官网 作原理
来自XM外汇官网：
通过应对「数据过载」和「信息不一致」这两大挑战，AlphaEarth Foundations为本站理解地球给予了全新的视角。
容易被误解的是，
首先，它整合了来自数十个不同公共来源的海量信息，包括光学卫星图像、雷达、3D激光测绘、气候模拟等。
尽管如此，
它将所有信息融会贯通后，再以清晰的10x10米的超高精度分析全球陆地和沿海水域，追踪地球随时间的变化。
其次，它使这些数据变得易于运用。
该系统的关键创新在于，能为每个方块区域创建一个高度紧凑的数字摘要。
说到底，
与其他AI系统相比，这些摘要的存储空间减少了16倍，显著降低了行星尺度分析的成本。
这一突破使科学家们能够做到一件迄今为止无法实现的事情：按需创建详细、一致的世界地图。
XM外汇认为：
AlphaEarth Foundations工作原理：从视频序列中提取非均匀采样的帧，以索引任意时间点的位置。这有助于模型构建该地点的连续视图，同时解释大量测量数据。
来自XM外汇官网：
无论是在监测作物健康、追踪森林砍伐，还是观察新建筑，他们都不再需要仅仅依赖一颗飞过头顶的卫星。
不妨想一想，
如今，他们拥有了一种新型的「地理空间数据基础」。
但实际上，
经过严格测试，AlphaEarth Foundations还展现了无与伦比的准确性。
与其相反的是，
至关核心的是，即便在标记数据稀缺的情况下，其错误率比其他模型平均低24%，展现了卓越的学习效率。
容易被误解的是，
全局嵌入场被分解为单个嵌入的过程（从左至右）。每个嵌入包含64个分量，这些分量映射到64维球面上的坐标点
如下生成的地图数据中，AlphaEarth Foundations嵌入维度的64个维度中，三个分别赋予红、绿、蓝三色，即可将本站世界的丰富细节可视化。
据业内人士透露，
在厄瓜多尔，该模型能穿透持续的云层，详细呈现处于不同发展阶段的农田。
XM外汇认为：
在其他地方，它清晰地绘制出南极洲的棘手地表——该地区因卫星成像不规律而极难成像。
此外，它还揭示了加拿大农业土地利用中肉眼不可见的差异。
XM外汇消息：
左右
XM外汇专家观点：
接下来，本站详细拆解AlphaEarth Foundations生成数据集的强大之处。
这你可能没想到，
10x10像素，浓缩一年数据
XM外汇消息：
谷歌团队利用AlphaEarth Foundations，生成了覆盖2017年至今、每年10米分辨率的全球预计算嵌入数据集。
其实，
这些「嵌入」影像看似普通的Earth Engine影像集合，却将AI赋能的特征提取能力融入到每个像素。
「嵌入」向量中究竟包含了哪些信息？
有分析指出，
· 多源测量数据
不可忽视的是，
嵌入向量从多种数据源中学习，捕捉地表属性的语义信息。
比如，一个像素的嵌入不仅反映其光谱特性，还包含周边环境、季节性变化（如植被物候、积雪）以及地形和气候特征。
事实上，
· 时空背景
XM外汇财经新闻：
AlphaEarth Foundations在全球超500万个地点采样、总计超过30亿个独立影像帧上进行了训练。
模型将一个地点随时间变化的卫星影像视为视频中的连续帧。
通常情况下，
从而能够跨越空间、时间和测量模式进行学习，生成既能捕捉空间背景又能保留时间轨迹的嵌入。
其实，
这意味着，卫星嵌入数据集中的每个嵌入向量，都为地球陆地表面上每块10米像素（100 平方米）的区域状况，给予了一种高度紧凑且语义丰富的表示。
与其相反的是，
每个10米像素的嵌入还捕捉了其周边区域的信息。
因此，即使某些区域（比如停车场的沥青路面和高速公路）在孤立来看时非常相似，它们的嵌入向量也会有很大差异。
XM外汇消息：
· 64维看地球：坐标与波段
来自XM外汇官网：
卫星嵌入数据集中的影像有64个波段——但它们不同于经典的光学反射率或雷达回波。
很多人不知道，
恰恰相反，AlphaEarth Foundations嵌入中单个像素的64个「波段」，代表了在一个64维「球面」上的一个64维坐标。
这些坐标通过DL生成，数学上可解释性强，但并非直接的物理测量值，而是对高维测量空间的紧凑表示。
「卫星嵌入」本质上是64维「球面」表面的一个坐标点
不可忽视的是，
有了卫星嵌入数据集，科学家能够进行「相似性搜索」。
只需指定一个目标像素，嵌入向量即可通过不棘手的点积计算，快捷在全球范围内定位相似地表和环境条件的区域。
XM外汇行业评论：
纽约市中心的嵌入向量，能轻松匹配其他高度城市化的区域。
尽管如此，
对坐标——73.9812, 40.7628（美国纽约市中城区曼哈顿）进行的相似性搜索
与其相反的是，
此外，基于相似性的比较同样适用于时间维度，可用于由嵌入驱动的变化检测和稳定性监测。
XM外汇报导：
AlphaEarth Foundations嵌入空间被设计为在时间上保持一致。
大家常常忽略的是，
通过比较同一像素在不同年份的嵌入向量，具备轻松监测城市扩张、野火恢复、水库水位变化等。
XM外汇快讯：
下图显示了，2020年——2024年间在嵌入空间中观测到的一些变化，每行最后一张图显示了每个像素与自身的相似度（值越亮表示差异越大），分别对应以下几种变化类型：
尽管如此，
-
郊区扩张
请记住，
-
野火燎原后的土地，其中夹杂着火灾前就已被砍伐的区域
XM外汇用户评价：
-
人工水库从干旱期到水量缓解期的变化
换个角度来看，
-
不同年份间农田的差异，展示了嵌入如何捕捉作物周期和休耕等年内动态
XM外汇快讯：
郊区扩张
必须指出的是，
野火燎原后的土地，其中夹杂着火灾前就已被砍伐的区域
事实上，
人工水库从干旱期到水量缓解期的变化
尤其值得一提的是，
不同年份间农田的差异，展示了嵌入如何捕捉作物周期和休耕等年内动态
XM外汇财经新闻：
除此以外，无需预先标签，嵌入向量结合Earth Engine的ee.Clusterer算法，可自动将像素聚类为不同地表类型（如森林、土壤、城市区域）。
需要注意的是，
这能揭示隐藏的地貌模式，助力研究地形、水文和物候特征。
地球版ChatGPT，按需创建地图
换个角度来看，
目前，由AlphaEarth Foundations驱动的Satellite Embedding数据集，是Earth Engine中规模最大的数据集之一。
然而，
它每年包含了超1.4万亿个「嵌入」足迹。
很多人不知道，
全球众多组织，包括联合国粮食及农业组织、哈佛森林、地球观测组织、MapBiomas、俄勒冈州立大学等，已利用这一数据集创建自定义地图，深入洞察现实世界。
在实际应用中，AlphaEarth Foundations已取得了初步的成果。
很多人不知道，
「全球生态系统地图集」 (Global Ecosystems Atlas) 计划，利用数据集将未测绘的生态系统，分类为海灌木丛、极度干旱沙漠等类别。
这一首创的资源，为各国优化保护区优先级、推动生态恢复和遏制生物多样性丧失给予关键兼容。
更重要的是，
还有巴西「MapBiomas」项目，通过测试该数据集，更深入了解了农业和环境变化，为亚马逊雨林等关键生态系统的保护战略和可持续发展倡议给予了信息。
AlphaEarth Foundations，代表着人类理解地球动态的核心一步。
接下来，谷歌团队正运用其来生成年度嵌入（annual embeddings），并联合强大Gemini一同发挥最大效用。
作为Google Earth AI的一部分，他们还将继续探索应用模型时序能力的最佳方法。
不妨想一想，
参考资料：
https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/
XM外汇报导：
https://medium.com/google-earth/ai-powered-pixels-introducing-googles-satellite-embedding-dataset-31744c1f4650返回搜狐，查看更多
