编辑丨coisini
人造卫星每天都在捕获信息丰富的图像和测量数据，为科研人员提供近乎实时的地球全景。
这些数据影响力巨大，但其复杂性、多模态特性及高频更新率带来了挑战：如何有效关联异构数据集并充分发挥其价值？
今天，Google DeepMind 宣布推出一个如同虚拟卫星的 AI 系统 ——AlphaEarth Foundations，通过将海量地球观测数据整合为计算机可轻松处理的统一数字表征（即「嵌入向量」），实现了对全球陆地及沿海水域的精准高效刻画。
技术报告：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/alphaearth-foundations.pdf
AlphaEarth Foundations 能为科学家提供更完整、连贯的地球演变全景，助力其在粮食安全、森林砍伐、城市扩张和水资源等关键议题上做出更明智的决策。
Google DeepMind CEO 德米斯・哈萨比斯（Demis Hassabis）表示：「AlphaEarth Foundations 能将 PB 级卫星数据整合成地球的单一数字化表征，将为科学家提供近乎实时，具有惊人空间精度的地球视图。」
还有网友认为这是谷歌朝着「地球版 ChatGPT」迈了一大步。
AlphaEarth Foundations 运作机制
AlphaEarth Foundations 通过解决两大核心难题 —— 数据过载与信息不一致，为理解地球提供了强大的新视角。
首先，该系统整合了数十种公共来源的海量数据，包括光学卫星图像、雷达扫描、3D 激光测绘、气候模拟等。通过将这些信息编织成网，AlphaEarth Foundations 能以 10 米 ×10 米的高精度网格对全球陆地及近海水域进行分析，实现非常精准的时序变化追踪。
其次，该系统极大提升了数据的实用价值。其核心创新在于能为每个网格生成高度压缩的摘要文件。经测试，这些摘要文件所需存储空间仅为同类 AI 系统的 1/16，使得行星级规模分析的成本大幅降低。
这一突破让科学家首次能够按需生成细节丰富、标准统一的世界地图，他们拥有了一种全新的地理空间数据基础架构。
例如，通过将红、绿、蓝三色分别分配给嵌入字段的 64 个维度中的 3 个维度， AlphaEarth Foundations 可以透过云层清晰地展现出处于不同阶段的农田，如下图所示。
如下图所示，AlphaEarth Foundations 通过从视频序列中提取非均匀采样的帧，实现对时间轴上任意位置的索引，进而使模型能够构建连续观测视图，同时整合多元测量数据。
为确保该系统具备实际应用价值，研究团队对其性能进行了严格测试。
与传统方法及其他 AI 制图系统相比，AlphaEarth Foundations 始终保持着最高精度。尤为关键的是，它在标注数据稀缺的场景下仍能保持优异性能，能在多领域稀疏数据任务中全面超越现有特征提取方法。
测试数据显示，AlphaEarth Foundations 的平均错误率比其他模型低 24%，充分证明了其卓越的学习效能。
AlphaEarth Foundations 的突破性性能源自多项技术创新：
自适应解码架构：将时间与传感器参数作为连续变量纳入隐式解码器，并配建关联损失函数。
空间密集型时序瓶颈：通过时间条件化特征汇总，实现信息浓缩。
地理文本精准对齐：实现像素级空间精度与地理标记文本的关联。
基于卫星嵌入数据集生成定制地图
依托 AlphaEarth Foundations，Google Earth Engine 中的卫星嵌入数据集已成为同类最大规模数据库。
联合国粮农组织、哈佛森林、地球观测组织、MapBiomas、俄勒冈州立大学、空间信息学小组及斯坦福大学等全球机构正在使用这套嵌入数据集，创建能产生实际洞察的定制地图。
例如，「全球生态系统图谱」计划正运用该数据集，帮助各国将未测绘生态系统归类为海岸灌丛带、超干旱沙漠等类别。
AlphaEarth Foundations 标志着人类理解地球动态的重大进步。
谷歌表示未来将运用 AlphaEarth Foundations 生成更多嵌入数据，并与 Gemini 等通用推理大模型结合，释放更大价值。
在应用方面，谷歌还将持续探索 AlphaEarth Foundations 时序分析能力的最佳应用场景，以应对地球面临的紧迫挑战。
参考内容：https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/
