Google представляет новое поколение геопространственных моделей искусственного интеллекта, которые способны анализировать спутниковые снимки, демографические данные и экологические показатели для решения сложных задач планетарного масштаба. Google Research пишет о расширении доступа к технологиям Earth AI через Google Earth и Google Cloud.
От отдельных моделей к интегрированной системе
За последние годы Google разработал множество ИИ-моделей для анализа планеты — от распознавания зданий на спутниковых снимках до прогнозирования погоды и природных катастроф. Однако реальные вопросы требуют комплексного подхода: чтобы определить, «где ураган вероятнее всего выйдет на сушу, какие сообщества наиболее уязвимы и как им подготовиться», необходимо одновременно анализировать изображения, демографию и окружающую среду.
Именно эту проблему решает Google Earth AI — семейство геопространственных моделей и агентов рассуждения, объединяющее мощные фундаментальные модели с геопространственным агентом на базе Gemini. Агент выступает в роли интеллектуального оркестратора: разбивает сложный запрос на многошаговый план, выполняет его с помощью моделей и геопространственных инструментов, а затем объединяет результаты в целостный ответ.
Три столпа Earth AI
Анализ изображений
Новые модели Remote Sensing Foundations упрощают и ускоряют анализ спутниковых снимков с помощью трех ключевых возможностей:
- Модели «видение-язык» для ответов на естественноязыковые запросы
- Обнаружение объектов с открытым словарем
- Адаптируемые бэкбоны компьютерного зрения
Пользователи могут задавать вопросы на естественном языке — например, «найди все затопленные дороги» на снимке после шторма — и получать быстрые точные ответы. Модели демонстрируют более 16% улучшения в задачах поиска изображений по тексту, а точность обнаружения новых объектов без предварительного обучения более чем вдвое превышает базовые показатели.
Демографические данные
Исследования в области Population Dynamics Foundations включают две ключевые инновации:
- Глобально согласованные эмбеддинги для 17 стран
- Ежемесячно обновляемые эмбеддинги, отражающие динамику человеческой активности
Исследователи из Оксфордского университета обнаружили, что использование этих эмбеддингов в модели прогнозирования лихорадки денге в Бразилии улучшило показатель R² для 12-месячных прогнозов с 0,456 до 0,656.
Экологические прогнозы
Ранее опубликованные исследования демонстрируют передовые прогнозы для:
- Среднесрочной погоды
- Начала муссонов
- Качества воздуха
- Речных наводнений
Недавно эти модели были расширены для создания прогнозов осадков для всей планеты, а охват прогнозирования наиболее значительных речных наводнений достиг 2 миллиардов человек.
Синергетический эффект комбинирования моделей
Наиболее впечатляющие результаты достигаются при комбинировании различных моделей. Объединение социо-экономических характеристик из Population Dynamics Foundations и ландшафтных особенностей из AlphaEarth Foundations позволило улучшить прогнозирование Национального индекса риска FEMA в среднем на 11% по R² для 20 различных опасностей по сравнению с использованием отдельных источников данных.
Технологический гигант делает очередную ставку на экосистемный подход — вместо разрозненных инструментов создает интегрированную платформу, где разные модели усиливают друг друга. Интересно, что наибольший выигрыш наблюдается именно в комбинированных сценариях, что подтверждает гипотезу о синергии разнородных данных. Впрочем, остается открытым вопрос доступности этих технологий для развивающихся стран, где прогнозирование катастроф критически важно, но бюджеты ограничены.
Google Earth AI представляет собой значительный шаг в направлении создания комплексных систем искусственного интеллекта для решения глобальных проблем. Объединение анализа изображений, демографических данных и экологических показателей открывает новые возможности для прогнозирования и смягчения последствий природных катастроф в планетарном масштабе.