現在，你有一個機會，打開上帝視角看地球。

最近谷歌DeepMind發布了一個新AI——AlphaEarth Foundations，它能展現完整的地球畫面，有64個維度，分辨率達到10米級，能讓你“在任何時間看清任何地點”。

圖片

濃縮的海量數據｜deepmind.google

這不是就跟谷歌地圖差不多，甚至“10米級的分辨率”還不如谷歌地圖嗎？但AlphaEarth Foundations可不只是地圖那么簡單，它的64個維度里包含了氣候、生態、農業、自然資源等信息，是一個能“理解地球”的大模型。

把海量數據拼成完整畫面

此時此刻，有數百顆衛星正在太空中圍繞地球運轉，它們就像無數只不眠不休的眼睛，每天拍攝著地球——光學相機捕捉可見光影像，雷達穿透云層探測地表，激光掃描儀測量地形高度，氣象衛星監測溫度變化……每一秒鐘，都有海量的數據從太空傳回地面。

問題就來了，數據那么多、那么雜亂，我們怎么利用呢？這就像你有一萬張拼圖碎片，每一片都來自不同的拼圖盒，有的碎片是彩色的，有的是黑白的，有的甚至是三維的。更糟糕的是，這些碎片每天都在數以TB計的速度增加。

如果有一個AI系統，能夠理解所有****這些不同類型的數據，并把它們整合成一幅完整、清晰的地球畫面，我們是不是就能從更多維度看到一個完整的地球？

于是，拼圖高手AlphaEarth Foundations誕生了。

AlphaEarth Foundations主要解決2個挑戰：數據過載和信息不一致。它會"閱讀"來自幾十個不同來源的數據——光學衛星圖像告訴它地表的顏色，雷達數據穿透云層顯示地形，3D激光測繪提供精確高度，氣候模擬預測天氣變化。然后，它把這些信息整合編織在一起，以10米×10米的清晰度分析地球，并持續更新數據，跟蹤地球隨時間發生的變化。

圖片

全局嵌入被分解為單個嵌入的過程。每個嵌入包含64個分量，這些分量映射到64維球面上的坐標點｜deepmind.google

為了讓這些數據能真正被用上，研究團隊還為每一個10米×10米的網格創建了高度濃縮的核心信息。相比他們測試過的其他AI，數據摘要將所需的存儲空間壓縮為原來的 1/16，大降低了進行全球范圍分析的成本。

這一突破讓科學家能夠完成迄今為止不可能完成的事情：按需創建一個詳細、一致的世界地圖——不管是想要監測作物健康狀況、跟蹤森林砍伐還是了解水資源變化，科學家都可以“一鍵”獲得全地球范圍的信息。研究團隊表示，平均而言，在測試中，AlphaEarth Foundations的錯誤率比其他模型低24%。

圖片

AlphaEarth Foundations的工作原理：它不會處理每一幀圖像，而是聰明地挑選一些關鍵畫面，用這些畫面來還原某個地點在不同時間的樣子。這樣既能省資源，又能把時間軸上的變化看得更清楚，也方便分析各種數據｜deepmind.google

生成自定義地圖

AlphaEarth Foundations把全球的衛星圖像“翻譯”成了機器能理解的語言，也就是一串數字，叫作“embedding”（嵌入），用來表示某個地方的樣子和變化。

在AlphaEarth Foundations的技術支持下，Google 推出了一個叫Satellite Embedding（衛星嵌入）的大型數據集，每年記錄超過1.4萬億個地理信息點。

現在，這個數據集已經被整合進 Google Earth Engine——這是谷歌提供的一個平臺，可以用來查看、分析各種地理空間數據，面向研究、教學和公益免費開放。

圖片

圖為Satellite Embedding。AlphaEarth Foundations 就像一個超級復雜的“工廠”，負責生產“地球信息零件”；而 Google Earth Engine 是一個開放的“便利商店”，把這些零件擺出來，讓科研人員更方便地拿去組裝和使用｜developers.google

在Satellite Embedding的數據被整合進來之后，世界各地的組織，包括聯合國糧食及農業組織、哈佛森林、地球觀測組織、MapBiomas、俄勒岡州立大學等，已經利用它創造各種自定義地圖。

例如，地球觀測組織（地球觀測領域里目前國際上最大的政府間合作組織）過去幾年一直在收集各國的生態系統數據，計劃創建“全球生態系統圖集”，這將是世界上第一個全面的生態地圖系統。這項工作并不容易，哪怕現在，我們對地球生態系統的了解依然存在大片空白。

“全球生態系統圖集”的負責人表示：“Satellite Embedding數據集正在革新我們的工作，幫助各國繪制未知生態系統的地圖——這對于確定保護重點至關重要。”通過AlphaEarth Foundations，他們能夠識別出沿海灌木林、超干旱沙漠等不同類型的生態系統，為各國的生物多樣性保護提供科學依據。

在巴西，MapBiomas組織正在用這項技術監測亞馬遜雨林的變化。亞馬遜每年都有大片森林消失，而傳統的監測方法往往滯后。MapBiomas的創始人認為，在Satellite Embedding的幫助下，人們可以快速制作精準的地圖，實時追蹤森林砍伐的進程，甚至能預測哪些地區可能成為下一個目標。這些信息對于制定保護策略至關重要。

圖片

圖片

圖片

AlphaEarth Foundations的64個維度里，有3個維度被分別分配了紅色、綠色和藍色，將細節可視化。

在厄瓜多爾，AI能穿透云層，詳細說明處于不同開發階段的農田（圖一）；

它繪制出南極洲的一個復雜地表，該地區是出了名的難成像（圖二）；

它揭示了加拿大農業土地利用中不可見的差異（圖三）。｜deepmind.google

AlphaEarth Foundations的研究團隊還聲明，這個AI模型每年生成的數據集將開放給用戶，用于追蹤長期的環境變化趨勢。團隊表示，只要用戶具備“一定的基礎編程能力”，就能用這些數據制作更加高級的自定義地圖。

面對隱私泄漏的擔憂，谷歌特別強調，AlphaEarth Foundations無法識別或捕捉任何個體人、物體或面部特征，因此用戶無需擔心隱私泄露的問題。

AI，看地球的另一雙眼

除了AlphaEarth Foundations，還有不少AI已經在地球科學和氣候變化等方面展現出了巨大的潛力。

在天氣預報領域，DeepMind在2024年推出了GenCast。

GenCast可以發布15天以內的天氣預報，而且比傳統的天氣預報方法更準確。在未來15天內所有時間和各種天氣要素的預測中，GenCast的準確率達到了97.2%。在超過36小時的預報中，準確率達 99.8%。通過對大量歷史數據的學習，GenCast能更早識別異常信號，預測暴雨、熱浪、干旱、颶風等極端天氣。

圖片

GenCast能更好地預測極端天氣，可以及時采取更有成本效益的預防措施｜deempind.google

在能源領域，AI也能通過各種方式來減少碳排放。國際能源署（IEA）指出了多個AI減排的途徑：利用衛星或無人機拍攝的圖像，AI可以通過機器學習，自動識別石油和天然氣作業中的甲烷泄漏，以便盡快維修；利用優化算法，AI可以尋找“最省能源”的策略或途徑，用于發電廠的能效提升、工業生產的減排和設計更合理的交通運輸線路等。

IEA預測，在能源領域，采用AI可能有助于在2035年減少1400噸二氧化碳排放量，這還不包括未來十年AI可能出現的任何突破性發現。

AI如今成了我們看地球的另一雙眼睛，幫助我們“讀懂”地球。它們不僅讓科研人員看得更遠、算得更準，也為各種保護行動、災害應對提供了新工具。當然，AI并不能代替人類的選擇和責任。面對快速變化的地球，我們需要的不只是更聰明的模型，還有人與人之間的理解與合作。

參考文獻

[1]https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/

[2]https://www.wired.com/story/googles-newest-ai-model-acts-like-a-satellite-to-track-climate-change/

[3]https://www.nature.com/articles/d41586-025-02412-1

[4]https://deepmind.google/discover/blog/gencast-predicts-weather-and-the-risks-of-extreme-conditions-with-sota-accuracy/

[5] https://www.iea.org/reports/energy-and-ai/ai-and-climate-change

作者：黃線狹鱈

編輯：麥麥

題圖來源：圖蟲創意

本文來自果殼自然（ID：GuokrNature）

如需轉載請聯系sns@guokr.com

來源: 果殼自然