Der kürzlich von Google DeepMind vorgestellte KI-Systemname AlphaEarth Foundations ist darauf ausgelegt, umfangreiche Satellitendaten in eine einheitliche digitale Darstellung zu verwandeln, um die Genauigkeit der Umweltanalyse zu verbessern und Entscheidungen zu Themen wie Nahrungssicherheit, Waldrodung und Wasserressourcen zu unterstützen. AlphaEarth Foundations kann als „virtueller Satellit“ betrachtet werden, der alle Landflächen und Küstenregionen der Erde mit einer Auflösung von 10x10 Metern darstellt.
Dieses Modell integriert verschiedene Datenquellen, einschließlich optischer Satellitenbilder, Radar, 3D-Laserscanning und Klimasimulationen. Durch die Komprimierung dieser Eingabedaten auf 64 Dimensionen erreichte DeepMind eine effiziente Datenrepräsentation. Während des Trainings nutzte AlphaEarth Foundations über 3 Milliarden Beobachtungsdaten aus über 5 Millionen Orten weltweit. Die Daten stammten aus Satellitenmissionen wie Sentinel-2 und Landsat, ergänzt durch Textinformationen wie Wikipedia-Artikel und Artenbeobachtungen.
Das Ziel dieses Systems besteht darin, zwei zentrale Herausforderungen zu lösen: Datenüberlastung und ungleichmäßige Informationen. AlphaEarth Foundations kann durch dauerhafte Wolken hindurchgehen, komplexe Oberflächen Antarktikas abbilden und kleine Veränderungen im Getreideanbau Kanadas erkennen, die dem menschlichen Auge entgehen. In Vergleichstests mit traditionellen Methoden und anderen AI-Karten-Systemen lag die Fehlerquote durchschnittlich um 24 % niedriger. Das Modell zeigte sich in 15 Bewertungsdatensätzen bei der Landnutzungsklassifizierung, der Schätzung biophysikalischer Variablen und der Veränderungserkennung besonders leistungsstark.
AlphaEarth Foundations kann auch bei Datenarmut effektiv arbeiten. Seine kontinuierliche Zeitanalyse ermöglicht es dem System, präzise Vorhersagen für nicht vollständig abgestimmte Zeiträume zu treffen. Das „raumzeitliche Präzisions“ (STP)-Architekturmodell betrachtet Satellitenbilder aus verschiedenen Perioden eines bestimmten Standorts als Frames in einem Video. Diese Art der Verarbeitung ermöglicht es dem System, Beziehungen zwischen Raum, Zeit und Messungen zu lernen und dadurch eingebettete Darstellungen zu erzeugen, die lokale Umgebungs- und Zeitverläufe erfassen.
Bisher haben mehr als 50 Organisationen dieses System in realen Anwendungen getestet. Der Globale Ökosystematlas nutzte diese Daten, um zuvor nicht kartierte Ökosysteme zu klassifizieren, darunter Küstensträucher und extrem trockene Wüsten. MapBiomas in Brasilien nutzte diese Daten, um landwirtschaftliche und ökologische Veränderungen sowie insbesondere Schlüsselökosysteme wie den Amazonas-Regenwald tiefer zu analysieren.
Zusätzlich wird Google den sogenannten „Satellite Embedding Dataset“ (Satelliten-Einbettungs-Datensatz) auf Google Earth Engine veröffentlichen. Laut Daten von Google Earth Engine generiert dieser Datensatz jährlich über 1,4 Billionen Einbettungsfußspuren und bietet vielfältige Anwendungsmöglichkeiten zur Identifizierung ähnlicher Umweltbedingungen weltweit, zur Veränderungserkennung, automatischer Clustering und intelligenterer Klassifizierung.
Um wissenschaftliche Forschung zu beschleunigen, bietet Google auch Forschungsförderung bis zu 5.000 Dollar an, um Anwendungsfälle basierend auf Satelliteneinbettungen zu unterstützen. Das Entwicklerteam von DeepMind glaubt, dass AlphaEarth Foundations ein wichtiger Schritt ist, um den sich verändernden Zustand und die Dynamik unseres Planeten besser zu verstehen, und freut sich darauf, es mit allgemeinen Schlussfolgerungs-Modellen für große Sprachmodelle (LLM) zu kombinieren, um leistungsfähigere Anwendungen zu schaffen.
Kernpunkte:
🌍 AlphaEarth Foundations ist ein künstlicher Intelligenz-System von Google DeepMind, das als virtueller Satellit fungiert und alle Landflächen und Küstenregionen der Erde mit einer Auflösung von 10x10 Metern darstellen kann.
📊 Dieses System integriert verschiedene Datenquellen und verwendet eine 64-dimensionale Einbettung, um die Genauigkeit der Umweltüberwachung zu verbessern, wobei die durchschnittliche Fehlerquote um 24 % reduziert wurde.
💡 Google wird einen Satelliten-Einbettungs-Datensatz veröffentlichen, der globale Forschung unterstützt und Forschungsförderung bereitstellt, um wissenschaftliche Anwendungen zu fördern.