通过地球观测构建ChatGPT风格的工具

想象一下，如果能够询问聊天机器人，“你能为我制作一张极其准确的肯尼亚农作物种植分类图吗?”或“我所在街道上的建筑物是否正在下沉?”想象一下，返回的信息在科学上是合理的，并且基于经过验证的地球观测数据。

欧空局正与技术合作伙伴一道，致力于通过开发人工智能应用程序来使这样的工具成为现实，这将彻底改变地球观测中的信息检索。

数据的数字化帮手

地球观测每天都会产生大量重要数据，但仅靠人类很难确保从这些数据中获得最佳价值。幸运的是，人工智能有助于与如此庞大而复杂的数据集进行交互，识别关键特征并以用户友好的格式呈现信息。

例如，I*STAR是一项由ESAInCubed计划共同资助的活动，它开发了一个平台，使用人工智能来监测地震或火山爆发等当前事件，以便卫星运营商可以自动为客户规划下一次数据采集。

SaferPlacesAI工具再次得到InCubed的支持，通过将现场测量与卫星数据合并，为灾难响应团队创建洪水地图。SaferPlaces对去年意大利艾米利亚-罗马涅洪水期间的损失评估工作至关重要。

在过去的几年里，人工智能的进步大大加快，ChatGPT和Gemini等工具的进步甚至让该领域的专家感到惊讶。为了利用这一变革性创新并抓住该技术带来的机遇，下一步自然是使用地球观测数据构建ChatGPT风格的基于文本的查询。

欧空局与来自太空、计算和气象领域的众多合作伙伴一起，目前正在开发一种地球观测数字助理，它将理解人类的查询并以类似人类的答案进行响应，即自然语言能力。

不过，毫不奇怪，要创建这样一个数字助理，需要完成许多拼图，首先是支撑它的强大基础模型。

发动机在引擎盖下轰鸣

通过训练和随着时间的推移而改进，但在更传统的机器学习中，机器必须输入大量已标记的数据(通常是由人类标记)。

输入基础模型，它采用非常不同的方法。基础模型是一种机器学习模型，它在很大程度上没有人工监督的情况下对大量且多样化的未标记数据源进行训练。基础模型非常通用，但可以针对特定应用进行定制。

结果是一个灵活、强大的人工智能引擎，自2018年推出以来，基础模型为机器学习的巨大变革做出了贡献，影响了许多行业和整个社会。

ESAΦ-lab正在采取多项举措来创建专用于地球观测相关任务的基础模型。这些模型使用数据提供有关环境关键主题的信息，例如甲烷泄漏和极端天气事件缓解。

PhilEO是一个基础模型项目，于2023年初启动，现已趋于成熟。基于全球哥白尼Sentinel-2数据的评估框架以及很快将向地球观测界发布PhilEO模型本身，以促进协作方法、推进该领域的发展并确保派生的基础模型得到广泛验证。

上图显示了Richat结构，这是PhilEO模型学会在没有人类监督的情况下识别的特征类型。

人机界面

欧空局的单独计划正在研究拼图游戏的人类端——创建数字助理，它将接受用户的自然语言问题，通过地球观测基础模型处理正确的数据，并以文本和/或图像形式产生答案。

地球的前身数字孪生最近证明，其数字助理原型可以执行多模式任务，在多个数据档案(例如Sentinel-1和2)中进行搜索以比较信息。

欧空局Φ实验室活动将于4月开始，将探索自然语言处理，从经过验证的地球观测文本源中提取和分析信息，并解释专家和普通用户的查询。这项活动最终将导致创建一个功能齐全的数字助理。

“地球观测数字助理的概念可以从不同来源提供广泛的见解，这是一个诱人的前景，正如这些举措所表明的，有许多基本的构建模块可以实现这一目标，”评论道欧空局Φ实验室负责人朱塞佩·博尔吉(GiuseppeBorghi)。

“鉴于PhilEO和数字助理前身已经取得的极其令人鼓舞的进展，我完全期望新项目在不久的将来能够产生改变游戏规则的结果。”