一张新的人工智能生成的世界树木和可再生能源项目地图可能有助于应对气候变化

据悉，近日发布的世界上第一张可再生能源项目和树木覆盖率的地图，它使用生成人工智能对从太空拍摄的图像进行本质上的锐化。这都是微软联合创始人Paul Allen创立的艾伦人工智能研究所的一个名为Satlas的新工具的一部分。

该工具首先与The Verge共享，使用了欧洲航天局Sentinel-2卫星的卫星图像。但是，这些图像仍然无法清楚地显示地面细节，于是他们使用了一种名为“超分辨率”（Super-Resolution）的解决办法。基本上就是使用深度学习模型来填补细节，例如建筑物可能是什么样子，从而生成高分辨率的图像。

目前，Satlas专注于可再生能源项目和世界各地的树木覆盖。该数据每月更新一次，包括Sentinel-2监测到的地球部分地区。这包括除南极洲部分地区和远离陆地的公海外的世界大部分地区。

该地图显示了太阳能发电场和陆上和海上风力涡轮机，还可以用它来查看树冠覆盖率随时间的变化，这些对于试图实现气候和其他环境目标的政策制定者来说非常重要。但根据Allen研究所的说法，这是第一款覆盖范围如此广泛且免费向公众开放的工具，其开发者也表示，这可能是超分辨率技术在全球地图中的首次展示。

Allen研究所计算机视觉高级总监Ani Kembhavi说：“你可以称之为幻觉或准确性差，但它以有趣的方式绘制建筑。例如建筑物是矩形的，而模型可能认为它是梯形或者别的什么，这可能是由于不同地区的建筑风格差异导致模型难以预测。”

另一个常见的“幻觉”是在模型认为应该有汽车和船只的地方放置汽车和船只，这是基于训练模型所用的图像。

为了开发Satlas，Allen研究所的团队必须手动浏览卫星图像，以标记36000台风力涡轮机、7000个海上平台、4000个太阳能发电场和3000个树冠覆盖率。这就是他们训练深度学习模型自己识别这些特征的方式。对于超分辨率，他们向模型提供了在不同时间拍摄的同一地点的许多低分辨率图像。该模型使用这些图像来预测其生成的高分辨率图像中的亚像素细节。

Allen研究所计划扩大Satlas，以提供其他类型的地图，包括一个可以识别世界各地种植的作物种类的地图。

Kembhavi说：“我们的目标是建立一个监测我们星球的基础模型。然后，一旦我们建立了这个基础模型，就可以根据具体任务对其进行微调，然后将这些人工智能预测提供给其他科学家，以便他们能够研究气候变化和地球上正在发生的其他现象的影响。”