谷歌 DeepMind 推出了AlphaEarth Foundations。这是一个 AI 模型，旨在将大量地球观测数据整合到一个统一的数字地球表示中。该系统被描述为像“虚拟卫星”一样运作，能够处理数以拍字节计的多模态输入。
该模型解决了地球科学中一个长期存在的难题：如何将来自不同来源且更新频率各异的数据整合为研究人员可统一使用的格式。通过将信息压缩成高度精炼的摘要，与谷歌测试的其他 AI 系统相比，AlphaEarth Foundations 将存储需求减少了 16 倍。
按照谷歌的说法，AlphaEarth Foundations 已经与传统技术和其他 AI 制图方法进行了对比验证，发现其在识别土地使用和估算表面属性等任务上，错误率降低了 24%。该模型在标记数据有限的情况下特别有效，而那在全球环境监测中是一个常见的限制。
一些观察者对专注于有针对性的实际应用而不是宽泛的通用 AI 系统表示欢迎。一位 Hacker News 用户评论道：
总的来说，这就是我喜欢 DeepMind 的地方。他们为现有技术找到了实际的应用场景，这说明我们不必创建一个庞大的通用 AI 模型来解决特定的问题。
该系统正在 50 多个组织中进行测试。他们将其应用于绘制未绘制的生态系统地图、跟踪农业发展和检测环境变化等任务。该领域的一位研究人员也表现出了这种热情：
我是一名 GIS 研究人员。这太不可思议了。我迫不及待想要看到它在实际应用中的表现。
谷歌提供的可视化显示，即使在传统卫星监测难以应对的地区，该模型也能生成详细的图像。例如在厄瓜多尔，AlphaEarth Foundations 能够揭示持续被云层遮挡的农田。
该系统的技术核心在于将非均匀数据流融合为连续的时空索引。这使得科学家能够生成按需定制的地图，既能捕捉地表的当前状态，又能追踪其随时间的演变过程。
谷歌将 AlphaEarth Foundations 定位为谷歌地图 AI 的一部分，后者是一个旨在支持全球环境挑战研究的地理空间工具套件。该公司表示，他们未来的工作将专注于把该模型与通用推理 AI 代理（如Gemini）集成，以便进一步扩展其分析能力。要了解更多信息，可以阅读这篇论文。
声明：本文为 InfoQ 翻译，未经许可禁止转载。
原文链接：
