AlphaEarth Foundations adlı yeni bir proje, dünyamızı daha önce görülmemiş bir detay seviyesiyle haritalamak için önemli bir rol oynuyor.
Bu yeni yapay zeka (AI) modeli, petabaytlarca gezegen gözlem verisini bir araya getirerek, küresel haritalama ve izleme alanında çığır açan, birleşik bir veri gösterimi yaratıyor.
Uydular her gün, dünyamızın neredeyse anlık bir resmini sunan, değerli görüntüler ve ölçümler toplar. Bu bilgiler son derece faydalı olsa da, karmaşık yapısı, farklı türlerde oluşu ve sürekli güncellenmesi, çeşitli veri setlerini birleştirme ve bunlardan tam olarak faydalanma konusunda zorluklar doğuruyor.
Bugün, sanal bir uydu gibi çalışan, AlphaEarth Foundations adını verdiğimiz bir yapay zeka modelini tanıtıyoruz. Bu model, muazzam miktardaki Dünya gözlem verisini tek bir dijital gösterime, yani bilgisayar sistemlerinin kolayca işleyebileceği bir “gömüye” dönüştürerek gezegenin tüm kara yüzeylerini ve kıyı sularını hassas ve etkin bir biçimde tanımlıyor. Böylece, bilim insanları dünyamızın nasıl değiştiğine dair daha kapsamlı ve tutarlı bir anlayışa sahip olarak, gıda güvencesi, orman tahribatı, şehirleşme ve su kaynakları gibi mühim meselelerde daha bilinçli kararlar verebiliyorlar.
Araştırmaları hızlandırmak ve potansiyel kullanım alanlarını ortaya çıkarmak amacıyla, AlphaEarth Foundations tarafından üretilen yıllık gömülerden oluşan bir veri seti, Google Earth Engine üzerinde “Uydu Gömü veri seti” adıyla yayınlandı. Son bir yıldır, 50’den fazla kurumla işbirliği yaparak bu veri setini gerçek dünya senaryolarında test ettik.
İş ortaklarımız, henüz haritalanmamış ekosistemleri daha iyi kategorize etmek, tarımsal ve çevresel değişimleri kavramak ve haritalama süreçlerinin isabetini ve süratini önemli ölçüde artırmak için bu verilerden şimdiden ciddi faydalar elde ediyorlar. Bu yazıda, onların geri bildirimlerinden bazılarını öne çıkarmaktan ve bu yenilikçi teknolojinin somut etkilerini göstermekten büyük bir memnuniyet duyuyoruz.
AlphaEarth Foundations’ın 64 boyutlu gömülü uzayının üç boyutuna kırmızı, yeşil ve mavi renkler atanarak dünyamızın zengin detayları görselleştirilebiliyor. Örneğin, Ekvador’da model, sürekli bulutlu havaya rağmen farklı büyüme evrelerindeki tarım alanlarını detaylı olarak gösterebiliyor. Benzer şekilde, düzensiz uydu görüntüleri nedeniyle haritalanması güç olan Antarktika’daki karmaşık bir yüzeyi net bir şekilde haritalıyor ve Kanada’daki tarım arazisi kullanımındaki çıplak gözle fark edilemeyen belirgin farklılıkları gözler önüne seriyor.
AlphaEarth Foundations, veri bolluğu ve bilgilerdeki tutarsızlık gibi iki temel problemi gidererek, gezegenimizi anlamamız için güçlü ve yeni bir bakış açısı sağlıyor.
Öncelikle, model, optik uydu görüntüleri, radar, 3D lazer haritalama ve iklim simülasyonları gibi onlarca farklı kamusal kaynaktan gelen büyük veri miktarını birleştiriyor. Bu bilgilerin tamamını entegre ederek, dünyanın kara alanlarını ve kıyı sularını 10×10 metrelik hassas kareler halinde analiz edebiliyor ve zamana bağlı değişimleri şaşırtıcı bir doğrulukla takip etmeye imkan veriyor.
İkinci olarak, bu veriyi kullanılabilir hale getiriyor. Sistemin en önemli yeniliği, her bir kare için son derece küçük boyutlu bir özet oluşturabilme yeteneğidir. Bu özetler, daha önce test ettiğimiz diğer yapay zeka sistemlerinin ürettiği özetlere kıyasla 16 kat daha az depolama alanı kaplıyor, bu da gezegen ölçeğinde analiz yapma maliyetini ciddi şekilde düşürüyor.
Bu devrim niteliğindeki gelişme, bilim insanlarına daha önce mümkün olmayan bir şeyi yapma imkanı tanıyor: dünyamızın detaylı ve eşgüdümlü haritalarını istedikleri zaman oluşturmak. Artık ekin sağlığını izlerken, ormanların yok oluşunu takip ederken veya yeni inşaatları gözlemlerken tek bir uydunun geçişine bağlı kalmak zorunda değiller. Coğrafi uzamsal veriler için yepyeni bir altyapıya sahipler.
Modelin çalışma şeklini gösteren bir diyagram, zaman içinde belirli bir konumu indekslemek amacıyla bir video serisinden düzensiz aralıklarla alınan kareleri kullanıyor. Bu yöntem, modelin konumun kesintisiz bir görünümünü yaratmasına ve çeşitli ölçümleri yorumlamasına yardımcı oluyor.
AlphaEarth Foundations’ın gerçek dünya uygulamalarına uygunluğunu garantilemek için performansı detaylıca incelendi. Hem geleneksel metotlarla hem de diğer AI tabanlı haritalama sistemleriyle kıyaslandığında, AlphaEarth Foundations sürekli olarak en yüksek doğruluğu sergiledi. Arazi kullanımını belirleme ve yüzey özelliklerini tahmin etme gibi çeşitli zaman dilimlerindeki geniş bir görev yelpazesinde üstün bir başarı elde etti. Özellikle, etiketli veri miktarının az olduğu durumlarda bile bu başarıyı yakalaması dikkat çekicidir. Ortalama olarak, AlphaEarth Foundations, test edilen diğer modellere göre %24 daha düşük bir hata oranına sahip olup, üstün öğrenme verimliliğini kanıtladı. Daha fazla bilgi için makalemizi inceleyebilirsiniz.
Bir diyagram, küresel bir gömülü alanın soldan sağa doğru tek tek gömülere ayrıştırıldığını gösteriyor. Her bir gömü, 64 boyutlu bir küre üzerindeki koordinatları temsil eden 64 bileşenden oluşuyor.
AlphaEarth Foundations destekli Google Earth Engine üzerindeki “Uydu Gömü veri seti”, yılda 1.4 trilyondan fazla gömü iziyle alanındaki en büyüklerden biridir. Bu yıllık gömü koleksiyonu, Birleşmiş Milletler Gıda ve Tarım Örgütü, Harvard Forest, Dünya Gözlemleri Grubu, MapBiomas, Oregon Eyalet Üniversitesi, Spatial Informatics Group ve Stanford Üniversitesi gibi küresel çapta birçok kuruluş tarafından, gerçek dünya bağlamında değerli bilgiler sunan güçlü özel haritalar oluşturmak için hali hazırda kullanılmaktadır. Örneğin, dünyanın ekosistemlerini haritalamayı ve takip etmeyi hedefleyen ilk kapsamlı kaynak olan “Global Ecosystems Atlas” girişimi, bu veri setini kullanarak ülkelerin henüz haritalanmamış ekosistemleri, kıyı çalılıkları ve aşırı kurak çöller gibi gruplara ayırmalarına destek oluyor. Bu benzersiz kaynak, ülkelerin koruma bölgelerini daha etkin belirlemelerine, iyileştirme çalışmalarını optimize etmelerine ve biyoçeşitlilik kaybıyla mücadele etmelerine yardımcı olmakta kritik bir rol oynayacaktır.
James Cook Üniversitesi Küresel Ekoloji Laboratuvarı Direktörü ve Global Ecosystems Atlas Küresel Bilim Lideri Nick Murray’e göre, “Uydu Gömü veri seti, ülkelerin henüz haritalanmamış ekosistemleri belirlemesine yardımcı olarak çalışmalarımızda bir dönüm noktası yaratıyor; bu da koruma faaliyetlerini nereye odaklayacağımızı tespit etmek için hayati öneme sahip.”
Brezilya’da ise MapBiomas, ülkenin genelindeki tarımsal ve çevresel değişimleri daha iyi kavramak amacıyla veri setini deniyor. Bu tip haritalar, Amazon yağmur ormanları gibi kritik ekosistemlerdeki koruma stratejilerine ve sürdürülebilir gelişim projelerine yön veriyor.
MapBiomas’ın kurucusu Tasso Azevedo, “Uydu Gömü veri seti, ekibimizin çalışma yöntemini baştan aşağı değiştirebilir; artık daha isabetli, detaylı ve hızlı haritalar üretebiliyoruz – bu daha önce yapamadığımız bir şeydi” ifadelerini kullandı.
Uydu Gömü veri seti hakkında daha fazla bilgi edinmek ve Google Earth Engine blogundaki rehberlere göz atmak mümkündür.
AlphaEarth Foundations, sürekli değişen gezegenimizin mevcut durumu ve dinamiklerini kavramak adına önemli bir ilerlemeyi temsil ediyor. Halihazırda AlphaEarth Foundations’ı yıllık gömüler üretmek için kullanıyoruz ve gelecekte Gemini gibi genel yetenekli büyük dil modelleri (LLM) ile entegre edildiğinde daha da yararlı olacağına inanmaktayız. Gezegenimizin en acil ihtiyaçlarını karşılamaya yardımcı olmak amacıyla, modelimizin zamana bağlı kabiliyetlerini, jeo-uzamsal model ve veri setleri koleksiyonumuz olan Google Earth AI bünyesinde en iyi şekilde uygulama yollarını araştırmaya devam ediyoruz.
AlphaEarth Foundations hakkında ek bilgi edinmek için makalemizi okuyabilir, Uydu Gömü veri setimize erişebilir ve Google Earth Engine blogundan daha fazla detay öğrenebilirsiniz.
Bu proje, Google DeepMind ve Google Earth Engine ekiplerinin ortak çalışmasıyla hayata geçirilmiştir. Katkıda bulunan isimler şunlardır: Christopher Brown, Michal Kazmierski, Valerie Pasquarella, William Rucklidge, Masha Samsikova, Olivia Wiles, Chenhui Zhang, Estefania Lahera, Evan Shelhamer, Simon Ilyushchenko, Noel Gorelick, Lihui Lydia Zhang, Sophia Alj, Emily Schechter, Sean Askay, Oliver Guinan, Rebecca Moore, Alexis Boukouvalas, Pushmeet Kohli.