谷歌 DeepMind 近日推出了名为 AlphaEarth Foundations 的人工智能系统，该系统旨在将海量的卫星数据转化为统一的数字表示，以提高环境分析的准确性，支持食物安全、森林砍伐和水资源等问题的决策。AlphaEarth Foundations 可以被视作一种 “虚拟卫星”，它以每10x10米的分辨率对地球的所有陆地和沿海水域进行描绘。

这一模型整合了多种数据来源，包括光学卫星图像、雷达、3D 激光测绘和气候模拟。通过将这些输入数据压缩为64维嵌入（embedding），DeepMind 实现了数据的高效表示。其训练过程中，AlphaEarth Foundations 使用了来自全球超过500万个地点的超过30亿条观测数据，数据来源涵盖了 Sentinel-2和 Landsat 等卫星任务，还结合了维基百科文章和物种观察等文本信息。

该系统的目标是解决数据过载和信息不一致的两个核心挑战。AlphaEarth Foundations 能够穿透持续的云层，绘制南极洲的复杂地表，并揭示加拿大小麦种植中的微小变化，这些细节是人眼所无法捕捉到的。在与传统方法及其他 AI 绘图系统的对比测试中，AlphaEarth Foundations 的错误率平均低了24%。该模型在土地利用分类、生物物理变量估算和变化检测等15个评估数据集上表现优异。

AlphaEarth Foundations 还能够在处理数据稀缺的情况下进行有效工作，其持续的时间分析功能使得系统可以对不完全对齐的时间段进行精确预测。该模型的 “时空精度”（STP）架构将来自同一地点的不同时期的卫星图像视作视频中的帧，这样的处理方式使系统能够学习空间、时间和测量之间的关系，从而生成捕捉局部环境和时间轨迹的嵌入表示。

目前，已有50多家组织在现实应用中测试这一系统。全球生态系统地图（Global Ecosystems Atlas）利用该数据将以前未映射的生态系统分类，包括沿海灌丛和超干旱沙漠等。巴西的 MapBiomas 则借助这些数据深入分析农业和环境变化，尤其是亚马逊雨林等关键生态系统。

此外，谷歌还将在 Google Earth Engine 上发布名为卫星嵌入数据集（Satellite Embedding Dataset）的年度嵌入数据。根据 Google Earth Engine 的数据，该数据集每年生成超过1.4万亿个嵌入足迹，为识别全球相似环境条件、变化检测、自动聚类和更智能的分类提供了多种应用场景。

为了加速科学研究，谷歌还提供最高5000美元的研究资助，以支持基于卫星嵌入的应用案例研究。DeepMind 的开发团队认为，AlphaEarth Foundations 是理解我们不断变化的星球状态和动态的重要一步，并期待将其与通用推理大型语言模型（LLM）结合，创造出更强大的应用。

划重点: