AlphaEarth Foundations：谷歌引领地球测绘革命

新时代的地球观测技术已到来！

谷歌DeepMind隆重推出AlphaEarth Foundations模型（简称AEF），实现了对地球的超高精度描绘。

谷歌DeepMind的CEO，同时也是诺贝尔奖得主Demis Hassabis表示：AEF将为科学家提供近乎即时的地球观测。

该模型解决了数据过载和信息不一致两大难题。简单来说，尽管观测数据众多，但高质量标注数据却匮乏，这令全球地图的绘制变得困难。

AEF如同一颗虚拟卫星，它整合了光学卫星图像、气候模拟等PB级海量地球观测数据，能够利用多源、离散的数据生成通用的地理空间表示，让科学家能够按需创建地球地图，轻松实现全球测绘和监测。

该模型生成的卫星嵌入数据集已被联合国粮农组织、哈佛森林等超过50个全球组织采用。

实际上，不仅科学家，普通大众也能借助AlphaEarth Foundations轻松解读地球的变化。

从大航海时代至今，人类历经500年才绘制出地球，而AEF的横空出世让每日重新绘制地球成为可能。

前谷歌地图研究员Bilawal Sidhu对此惊叹：谷歌正朝着构建地球版ChatGPT的重要一步迈进。

让我们看看它是如何实现的。

高精度追踪地球

多源信息融合，对时间连续建模

当前，卫星、雷达、无人机、气象站等设备每天都在收集地球的图像、温度、湿度和地形等数据。

然而，不同国家和机构对观测数据的标注标准可能不同，且地球表面不断变化（如森林被砍伐），实地标注通常几年才更新一次，导致标注数据与实际情况脱节。

简而言之，地球观测数据犹如“拍摄了无数张地球照片”，但知道“照片里具体是什么”的标注却很少，这直接限制了全球地图的绘制精度和效率。

AEF的价值在于，它能在标注稀少的情况下，依然利用海量观测数据绘制出更准确的地图。

AEF是一种嵌入场模型，其核心是时空精度编码器（STP）。STP通过空间自注意力捕捉地理上的远距离关联，通过时间轴自注意力解析时序动态，再结合卷积操作保留局部精细特征。

通俗来说，就是把地球表面的复杂信息（如地形、植被、气候等）压缩成一组“数字密码”（嵌入向量），这些密码能精准反映地球表面的时空特征，既观全局又抓细节。

AEF的另一大创新是对时间的连续建模能力。

它将观测数据的支持期（数据实际采集的时间范围）与地图生成的有效期（需要映射的时间范围）分离。即使在有效期内没有直接观测数据，也能通过插值或外推生成连续的结果。

例如，如果只有2018年和2020年的卫星图像，模型能可靠推测出2019年某地区的地表状态。这解决了传统模型只能处理固定时间点数据的局限。

在数据处理上，AEF实现了多源信息的深度融合。

它能接收光学卫星、雷达、激光雷达、气候数据乃至地理文本等超过十种输入，打破了数据类型的壁垒。通过统一的编码方式将这些不同类型、不同分辨率的数据转化为可兼容的特征。

例如，光学图像的植被颜色、雷达的地表结构信息、气象站的温度数据等，都会被整合到同一个嵌入向量中。而这个向量仅64字节。