グーグルAlphaEarth、全球マッピングに観測データを利用

2025年7月30日に発表されたAlphaEarth Foundationsは、Google DeepMindが開発した地理空間基盤モデルである。最近のグーグルAIのニュースのハイライトの一つであり、グローバルな地球観測データでの作業をより速く、より明確に、より信頼できるものにするために構築されている。

AlphaEarth Foundationsは、衛星画像、レーダー、LiDAR（Light Detection and Ranging）、標高モデル、気候シミュレーションから得た何十億ものデータポイントに基づいてトレーニングされています。このような広範な入力を使用して、地球の10メートル解像度の年間ビューを作成します。 

簡単に言えば、見えにくい場所でも鮮明で一貫性のある地表の地図を作成できるため、土地、水、気候の変化を見つけやすく、時間の経過を追跡しやすいということだ。これらのスナップショットは現在、グーグルの地理空間データ用クラウドプラットフォームであるGoogle Earth Engineを通じて利用できる。

この記事では、AlphaEarth FoundationsがどのようにGoogle Earth EngineのAIを使用して、実際の地球観測プロジェクトをサポートしているかを見ていきます。 

アルファアースグーグルの新しい地球観測AIモデル

AlphaEarth Foundationsは、連続的でダイナミックなシステムを通して地球を理解する新しい方法を提供します。それぞれの画像を別々に見るのではなく、新しいAIモデルは、空間と時間の両方にわたって、地球表面の統一された構造化された画像を構築します。

このビューを作成するために、衛星画像、標高マップ、気候モデル、生物多様性に関するレポートなど、さまざまな情報源を利用している。これにより、環境の変化を拾い上げ、その背後にある理由を分析することができる。

特に、AlphaEarthは、地球の景観が長年にわたってどのように変化しているかを示すことができます。これらのスナップショットは、モデルがそれぞれの場所について学習したことをコンパクトにまとめたエンベッディングを使って構築されます。 

‍

これらのエンベッディングのコレクションは、Google Earth EngineのSatellite Embeddingデータセットから入手できる。これらはすでに、山火事対応、都市計画、土地モニタリングなどの分野で利用されている。これは、研究者や意思決定者が衛星データを有用な洞察に変えるのに役立ちます。

AIと気候：アルファアースの意義

AlphaEarth Foundationsの主な利点は、地球の長期的な変化を簡単に研究できることだ。データが欠落していたり、雲がしばしば衛星の視界を遮ったりするような厄介な地域でも、アルファアースはうまく機能する。例えば、アマゾンの熱帯雨林では、雲に覆われることが常に問題となっているが、AlphaEarthは世界中のパターンから学習することで、土地の変化を発見することができる。

ベンチマークテストでは、誤分類エラーを約24％削減し、埋め込み1回あたりに必要なストレージは16分の1になった。興味深いことに、この新しいAIモデルは、アプリケーションごとに再トレーニングする必要はない。 

AlphaEarthは効率的で、異なる地域や課題にも適応できます。これは、AlphaEarthが、モデル全体を再構築することなく、多くの種類の分析に直接使用できる、各ロケーションのコンパクトで情報豊富な要約である汎用エンベッディングを生成するためです。

これまでのところ、Google Earthの新しいAIモデルは、熱帯林、北極地域、拡大する都市など、100カ国以上の土地の変化を監視するために使用されている。これらの洞察は、よりスマートな計画と、より多くの情報に基づいた気候に関する意思決定をサポートするために使用されている。

‍

アルファ・アース、地球観測にコンピューター・ビジョンを活用

衛星画像は地球表面の詳細なビューをキャプチャするために使用することができますが、これらの画像を意味のある洞察に変換することは必ずしも単純ではありません。アルファアース財団は、機械が視覚情報を解釈できるようにするAIの一分野であるコンピュータ・ビジョンを使って、土地、植生、地形全体のパターンを検出し、分析する。

ここでは、さまざまなコンピューター・ビジョンのタスクを地球観測に応用したモデルを紹介する： 

• 画像分類: AlphaEarthは、衛星画像から森林、農地、湿地、市街地などの土地タイプを識別します。これらの分類は、気候モニタリング、生態学的研究、土地利用計画をサポートします。
  
  
• セグメンテーション: セグメンテーションは、テーママッピングとも呼ばれ、衛星画像の各ピクセルに作物の種類や植生被覆などのカテゴリをラベル付けします。AlphaEarthは、地域間で高い精度を維持するために年次埋め込みを使用し、土地利用、土地被覆、生物多様性のためのきめ細かいマッピングを可能にします。
  ‍
• 変化の検出： AlphaEarthは、同じ場所の年間埋め込みデータを比較することで、森林伐採、山火事の影響、都市の成長など、土地利用や土地被覆の変化を検出することができます。教師あり手法（ラベル付きの例から学習する）と教師なし手法（ラベルなしでパターンを見つける）の両方で動作します。
  ‍
• 教師なしクラスタリング：AlphaEarthは、ラベル付けされたデータを使用することなく、衛星画像で類似したパターンを示す地域をグループ化することができます。これは、新しい地域や未調査の地域における植生の変化や気候の異常などの傾向を検出するのに役立ちます。ラベル付けされたデータが限られていたり、不足していたりする場合に、特に大きな効果を発揮します。

‍

グーグルの新しいAIモデルの実世界での応用例

Googleの新しい地球観測技術のためのAIがどのように機能するかについて理解を深めたところで、AlphaEarth Foundationsの実際の応用例を探ってみよう。

グーグルアース、環境に優しい米国都市を目指すAIイニシアティブ

全米の都市では、暑さを和らげ、汚染を吸収し、公衆衛生を向上させるために都市緑化が進められている。しかし、樹木がある場所とない場所を正確に特定するのは難しい。密集した地域や狭い道路では、衛星画像や従来の調査では緑が発見されないことが多い。

しかし、AlphaEarthは、衛星、標高、環境データを使用して、樹木の被度を詳細にマッピングする。この新しいAI Googleモデルをテストするために、研究者たちはiNaturalistの45,000以上の樹木記録を使用した。 

彼らは、アラスカとハワイを含むアメリカ全州で見られる39の一般的な樹木属（近縁種のグループ）に焦点を当てた。データは洗浄され、トレーニングセットとテストセットに分けられ、1属につき300サンプルがトレーニングに、残りがテストに使われた。 

このモデルは、衛星データ、標高データ、環境データから樹木の被度を正確にマッピングし、従来の調査によって残されたギャップを埋めることができることを示している。このような洞察は、デトロイト、ニューヨーク、フェニックスなどの都市が、どこに木を植え、近隣を涼しくし、地域の生物多様性をサポートするかについて、より良い決定を下すのに役立つ。

地球観測衛星による作物マッピングの高度化

カナダの農作物インベントリは、特に農作物保険記録（農業保険プログラムのために収集された、農作物の種類、場所、面積に関する公式報告）のない地域における、圃場レベルの観察に大きく依存している。穀物、油糧種子、果実、飼料などの主要作物の追跡には、移動中の車から行うことが多い風防調査が用いられる。 

しかし、作物の種類によっては、他の作物よりも頻繁に記録されるため、データにばらつきがあり、信頼性の高い大規模な地図に変換するのが難しい場合があります。このような問題を解決するために、AlphaEarthは、地球観測衛星からのデータに基づく、高水準の作物分類ときめ細かな作物分類の両方をサポートすることができます。 

作物を穀物や油糧種子といった大まかなカテゴリーに分類することができる。詳細な調査データがある地域では、春小麦、トウモロコシ、アルファルファといった特定の種類を特定することもできる。この2段階のアプローチは、対象範囲と詳細さのバランスをとり、カナダ全土で何が栽培されているかをより明確に把握することができる。

‍

グーグルアースのAI技術で世界の地形を探る

南極大陸は地球上で最も地図化が困難な場所のひとつであり、極端な天候、絶え間ない積雪、衛星からの視界の制限などがある。そのため、氷河や露出している岩石、そして時間とともに変化する地形についての理解にはギャップがある。

衛星画像とレーダーおよび標高データを組み合わせることで、AlphaEarthは視界の限られた地域でも、南極大陸の年間一貫した地図を作成する。欠落している詳細を補い、10メートルの解像度の地形図を作成することができるため、研究者は氷河、地表のテクスチャー、雪に覆われた土地をより正確に追跡することができる。 

新しいAIモデルの長所と短所：アルファアース

新しいAIモデル、アルファアース・ファウンデーションが地球観測と都市計画アプリケーションに提供する主な利点のいくつかを紹介しよう：

• 汎用性：AlphaEarth は、農業、都市計画、災害対応など、さまざまな分野で使用することができます。
  ‍
• データギャップを埋める：この新しいAIグーグルモデルは、衛星からの入力が不完全な場合でも年間サマリーを作成することができ、時系列分析の継続性を維持するのに役立ちます。
  ‍。
• AIに対応した出力：作物モニター、洪水検知器、土地利用分類器などのツールに直接入力できる埋め込みデータを生成するため、研究者や開発者の時間を節約できる。

AlphaEarthは、様々なドメインで信頼性の高いサポートを提供していますが、ここで留意すべきいくつかの制限があります：

• リアルタイムではありません：アルファアースの年間エンベデッドは、毎日またはリアルタイムに近い監視を必要とするアプリケーションには適さない。
  ‍
• 入力データの質に依存：ギャップを埋めるとはいえ、モデルは衛星、レーダー、その他 の入力データソースの質と利用可能性に依存している。
  ‍
• 限定された解釈可能性：ほとんどのディープラーニングモデルと同様に、AlphaEarthが特定のパターンや予測にどのように到達したかを正確に解釈するのは難しい場合があります。

要点

AlphaEarth Foundationは、研究者、プランナー、政策立案者が新しい方法で地球を見ることを支援している。グーグルの新しいAIモデルは、衛星からの生情報を構造化された信頼できる情報に変換し、気候科学、農業、都市開発などの分野におけるより良い意思決定をサポートする。地球観測を発展させることで、地球の経年変化をモニターし、理解することが容易になります。

私たちのコミュニティに参加して、GitHubリポジトリでAIのイノベーションを探求しましょう。私たちのソリューションページで、農業におけるAIと ヘルスケアにおけるコンピュータビジョンについて学びましょう。 ライセンスプランをチェックして、今すぐAIを始めましょう！