新しいAI

環境、気候、エネルギーを10年間取材してきた科学レポーター、ジャスティン・カルマによる。 彼女はポッドキャスト「Hell or High Water」のホストでもあります。

世界中の再生可能エネルギープロジェクトと樹木被覆度を示すこの種の初のマップが本日公開され、生成 AI を使用して宇宙から撮影した画像を本質的に鮮明化しています。 これらはすべて、Microsoft の共同創設者 Paul Allen が設立した Allen Institute for AI の Satlas と呼ばれる新しいツールの一部です。

最初に The Verge と共有されたこのツールは、欧州宇宙機関の Sentinel-2 衛星からの衛星画像を使用しています。 しかし、これらの画像では依然として地面がかなりぼやけて見えます。 修正は？ 「超解像」と呼ばれる機能。 基本的に、深層学習モデルを使用して建物の外観などの詳細を入力し、高解像度の画像を生成します。

現在、Satlas は世界中の再生可能エネルギー プロジェクトと樹木被覆に焦点を当てています。 データは毎月更新され、センチネル 2 によって監視されている地球の一部が含まれています。 これには、南極大陸の一部と陸地から遠く離れた外洋を除く世界の大部分が含まれます。

太陽光発電施設と陸上および洋上風力タービンが示されています。 また、これを使用して、樹冠の被覆率が時間の経過とともにどのように変化したかを確認することもできます。 これらは、気候やその他の環境目標を達成しようとする政策立案者にとって重要な洞察です。 しかし、アレン研究所によると、これほど広範で一般に無料で利用できるツールはこれまでにありませんでした。

これはおそらく地球地図における超解像度の最初のデモンストレーションの 1 つであると開発者らは述べています。 確かに、解決すべき問題はまだいくつかあります。 他の生成 AI モデルと同様に、Satlas は依然として「幻覚」を起こしやすいです。

「幻覚と呼ぶことも、精度が悪いと呼ぶこともできますが、建物がおかしな方法で描画されていました」とアレン研究所のコンピューター ビジョン担当シニア ディレクター、アニ ケンバヴィは言います。 「おそらく建物は長方形で、モデルはそれを台形か何かだと思うかもしれません。」

これは、モデルが予測するのが苦手な地域ごとのアーキテクチャの違いが原因である可能性があります。 もう 1 つのよくある幻覚は、モデルがトレーニングに使用した画像に基づいて配置すべきと考えられる場所に車や船舶を配置することです。

Satlas を開発するために、アレン研究所のチームは衛星画像を手動で読み込んで、36,000 基の風力タービン、7,000 基の洋上プラットフォーム、4,000 件の太陽光発電所、および 3,000 件の樹冠の割合にラベルを付ける必要がありました。 このようにして、彼らは深層学習モデルをトレーニングして、それらの特徴を独自に認識できるようにしました。 超解像度を実現するために、同じ場所を異なる時間に撮影した多数の低解像度画像をモデルに供給しました。 モデルはこれらの画像を使用して、生成する高解像度画像のサブピクセルの詳細を予測します。

アレン研究所は、Satlas を拡張して、世界中でどのような種類の作物が植えられているかを特定できる地図など、他の種類の地図を提供する予定です。

「私たちの目標は、地球を監視するための基礎モデルを作成することでした」とケンバヴィ氏は言います。 「そして、この基礎モデルを構築したら、特定のタスクに合わせて微調整し、他の科学者がこれらの AI 予測を利用できるようにして、気候変動や地球上で起こっているその他の現象の影響を研究できるようにします。」

/ Verge Deals にサインアップすると、テスト済みの製品に関するセールが毎日受信箱に送信されます。