由微軟聯(lián)合創(chuàng)始人保羅 艾倫創(chuàng)立的艾倫人工智能研究院（Allen Institute for AI）近日發(fā)布了一款全新的工具，名為 Satlas，其中包含全球首個利用生成式人工智能技術(shù)提高衛(wèi)星圖像清晰度的地圖，可以顯示全球范圍內(nèi)的可再生能源項目和森林覆蓋率。
該地圖使用了來自歐洲空間局（European Space Agency）哨兵-2（Sentinel-2）衛(wèi)星的衛(wèi)星圖像。但是，這些圖像仍然無法清楚地顯示地面細節(jié)，于是他們使用了一種名為“超分辨率”（Super-Resolution）的解決辦法。基本上就是使用深度學習模型來填補細節(jié)，例如建筑物可能是什么樣子，從而生成高分辨率的圖像。
上圖是人工智能生成的肯尼亞納庫魯?shù)母叻直媛蕡D像，下圖是衛(wèi)星拍攝的同一位置的低分辨率圖像
目前，Satlas 主要關(guān)注全球的可再生能源項目和森林覆蓋率。數(shù)據(jù)每月更新，包括哨兵-2 監(jiān)測的地球部分區(qū)域，這包括除了南極洲和遠離陸地的公海之外的大部分地區(qū)。
該地圖顯示了太陽能發(fā)電場和陸上和海上風力渦輪機，還可以用它來查看樹冠覆蓋率隨時間的變化，這些對于試圖實現(xiàn)氣候和其他環(huán)境目標的政策制定者來說非常重要。
據(jù)艾倫研究院稱，這是第一款覆蓋范圍如此廣泛且免費向公眾開放的工具，其開發(fā)者也表示，這可能是超分辨率技術(shù)在全球地圖中的首次展示。
當然，還有一些問題需要解決。與其他生成式人工智能模型一樣，Satlas 也容易出現(xiàn)“幻覺”，有時會以一種奇怪的方式繪制建筑物，例如建筑物是矩形的，而模型可能認為它是梯形或者別的什么，這可能是由于不同地區(qū)的建筑風格差異導致模型難以預測。另一個常見的“幻覺”是在模型認為應該有汽車和船只的地方放置汽車和船只，這是基于訓練模型所用的圖像。
為了開發(fā) Satlas，艾倫研究院的團隊不得不手動瀏覽衛(wèi)星圖像，標記出 3.6 萬臺風力渦輪機、7 千個海上平臺、4 千個太陽能發(fā)電場和 3 千個樹冠覆蓋率。對于超分辨率，他們向模型輸入了同一地方在不同時間拍攝的許多低分辨率圖像。模型使用這些圖像來預測高分辨率圖像中的亞像素細節(jié)。
艾倫研究院還計劃擴展 Satlas，提供其他類型的地圖，包括一種可以識別全球種植作物類型的地圖。
