Η Google αξιοποιεί τα γενετικά μοντέλα AI και πολλαπλά θεμέλια παρουσιάζω Γεωπηλεκτρική συλλογιστική, μια ερευνητική πρωτοβουλία που αποσκοπεί στην επιτάχυνση της γεωχωρικής επίλυσης προβλημάτων. Αυτή η προσπάθεια ενσωματώνει μεγάλα γλωσσικά μοντέλα όπως τα μοντέλα θεμελίωσης Gemini και Remote Sensing για την ενίσχυση της ανάλυσης δεδομένων σε διάφορους τομείς.
Για χρόνια, η Google έχει καταρτίσει γεωχωρικά δεδομένα, τα οποία συνδέονται με συγκεκριμένες γεωγραφικές τοποθεσίες, για να ενισχύσουν τα προϊόντα τους. Αυτά τα δεδομένα είναι ζωτικής σημασίας για την αντιμετώπιση των επιχειρηματικών προκλήσεων, όπως εκείνες της δημόσιας υγείας, της αστικής ανάπτυξης και της ανθεκτικότητας του κλίματος.
Τα νέα μοντέλα θεμελίωσης τηλεπισκόπησης βασίζονται σε αρχιτεκτονικές όπως οι μάσκες αυτοκατασκευαστές, Siglip, Mammut και OWL-VIT και εκπαιδεύονται χρησιμοποιώντας δορυφορικές και εναέριες εικόνες υψηλής ανάλυσης με περιγραφές κειμένου και σχολιασμούς οριοθέτησης. Αυτά τα μοντέλα δημιουργούν λεπτομερείς ενσωμάτωση για εικόνες και αντικείμενα και μπορούν να προσαρμοστούν για εργασίες όπως η χαρτογράφηση της υποδομής, η αξιολόγηση της βλάβης των καταστροφών και ο εντοπισμός συγκεκριμένων χαρακτηριστικών.
Αυτά τα μοντέλα υποστηρίζουν τις διεπαφές φυσικής γλώσσας, επιτρέποντας στους χρήστες να εκτελούν εργασίες όπως η εύρεση εικόνων συγκεκριμένων δομών ή ο εντοπισμός αδιάβατων δρόμων. Οι αξιολογήσεις έχουν επιδείξει την απόδοση της τελευταίας τεχνολογίας σε διάφορα σημεία αναφοράς τηλεπισκόπησης.
Η γεωχωρική συλλογιστική στοχεύει στην ενσωμάτωση μοντέλων προηγμένων θεμελίων της Google με μοντέλα και σύνολα δεδομένων που σχετίζονται με το χρήστη, βασιζόμενη στον υπάρχοντα πιλότο των δυνατοτήτων Gemini στο Google Earth. Αυτό το πλαίσιο επιτρέπει στους προγραμματιστές να κατασκευάζουν προσαρμοσμένες ροές εργασίας στην πλατφόρμα Google Cloud για τη διαχείριση σύνθετων γεωχωρικών ερωτημάτων χρησιμοποιώντας το Gemini, το οποίο ενορχηστρώνει την ανάλυση σε διάφορες πηγές δεδομένων.
Η εφαρμογή επίδειξης δείχνει πώς ένας διαχειριστής κρίσης μπορεί να χρησιμοποιήσει γεωχωρική συλλογιστική μετά από έναν τυφώνα από:
- Οπτικοποίηση πλαισίου πριν από την καταστροφή: Χρησιμοποιώντας δορυφορικές εικόνες ανοιχτού κώδικα της γης.
- Οπτικοποίηση της κατάστασης μετά την καταστροφή: Εισαγωγή εναέριων εικόνων υψηλής ανάλυσης.
- Εντοπισμός κατεστραμμένων περιοχών: Χρησιμοποιώντας μοντέλα θεμελίωσης τηλεπισκόπησης για την ανάλυση εναέριων εικόνων.
- Πρόβλεψη περαιτέρω κινδύνου: Χρησιμοποιώντας την πρόγνωση καιρού του Weathernext AI.
- Ζητώντας ερωτήσεις Gemini: Εκτίμηση των κλασμάτων ζημιών, της αξίας ζημιών ιδιοκτησίας και υποδηλώνοντας προτεραιότητα στην ανακούφιση.
Η εφαρμογή επίδειξης περιλαμβάνει:
- Μια συσκευασμένη εφαρμογή Front-end Python: Αυτό ενσωματώνει στοιχεία χαρτογράφησης και γραφικών με ένα παράθυρο συνομιλίας.
- Ένα πρακτικό back-end: Αυτό υλοποιεί έναν παράγοντα Langgraph που αναπτύσσεται χρησιμοποιώντας κινητήρα AI AI Agent.
- Εργαλεία προσβάσιμου σε LLM: Για την πρόσβαση στον κινητήρα της Γης, την πλατφόρμα BigQuery, την πλατφόρμα Google Maps και την αποθήκευση του Google Cloud, την εκτέλεση γεωχωρικών λειτουργιών και τη χρήση τελικών σημείων συμπερασμάτων που αναπτύσσονται στην Vertex AI.
Η εφαρμογή χρησιμοποιεί εναέριες εικόνες υψηλής ανάλυσης από την αστική αεροπορική περιπολία, προεπεξεργασμένη με AI από το Bellwether, το Moonshot του X για την προσαρμογή του κλίματος, καθώς και τα ανοιχτά κτίρια της Google Research και τα μοντέλα SKAI. Οι δείκτες κοινωνικής ευπάθειας, τα δεδομένα των τιμών στέγασης και οι πληροφορίες του Google Weathernext ενσωματώνονται επίσης.
Η χορογραφία του WPP θα ενσωματώσει το PDFM με τα δεδομένα απόδοσης των μέσων ενημέρωσης για να ενισχύσει τη νοημοσύνη του κοινού AI. Τα Airbus, Maxar και Planet Labs θα είναι οι αρχικοί δοκιμαστές των μοντέλων θεμελίωσης τηλεπισκόπησης.
Ειδικά:
- Airbus: Σχέδια για τη χρήση μοντέλων θεμελίωσης τηλεπισκόπησης της Google για να δοθεί η δυνατότητα στους χρήστες να εξαγάγουν πληροφορίες από δισεκατομμύρια δορυφορικές εικόνες.
- Maxar: Σκοπεύει να χρησιμοποιήσει τα μοντέλα για να βοηθήσει τους πελάτες να αλληλεπιδρούν με την “ζωντανή σφαίρα” και να εξαγάγουν πιο γρήγορα τις απαντήσεις σε αποστολές.
- Planet Labs: Θα χρησιμοποιήσει τα μοντέλα θεμελίωσης τηλεπισκόπησης για να απλοποιήσουν και να επιταχύνουν τις ιδέες για τους πελάτες τους.
VIA: DataConomy.com
