據悉，近日發布的世界上第一張可再生能源項目和樹木覆蓋率的地圖，它使用生成人工智能對從太空拍攝的圖像進行本質上的銳化。這都是微軟聯合創始人Paul Allen創立的艾倫人工智能研究所的一個名為Satlas的新工具的一部分。

該工具首先與The Verge共享，使用了歐洲航天局Sentinel-2衛星的衛星圖像。但是，這些圖像仍然無法清楚地顯示地面細節，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，例如建筑物可能是什么樣子，從而生成高分辨率的圖像。

目前，Satlas專注于可再生能源項目和世界各地的樹木覆蓋。該數據每月更新一次，包括Sentinel-2監測到的地球部分地區。這包括除南極洲部分地區和遠離陸地的公海外的世界大部分地區。

該地圖顯示了太陽能發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，這些對于試圖實現氣候和其他環境目標的政策制定者來說非常重要。但根據Allen研究所的說法，這是第一款覆蓋范圍如此廣泛且免費向公眾開放的工具，其開發者也表示，這可能是超分辨率技術在全球地圖中的首次展示。

Allen研究所計算機視覺高級總監Ani Kembhavi說：“你可以稱之為幻覺或準確性差，但它以有趣的方式繪制建筑。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Satlas，Allen研究所的團隊必須手動瀏覽衛星圖像，以標記36000臺風力渦輪機、7000個海上平臺、4000個太陽能發電場和3000個樹冠覆蓋率。這就是他們訓練深度學習模型自己識別這些特征的方式。對于超分辨率，他們向模型提供了在不同時間拍攝的同一地點的許多低分辨率圖像。該模型使用這些圖像來預測其生成的高分辨率圖像中的亞像素細節。

Allen研究所計劃擴大Satlas，以提供其他類型的地圖，包括一個可以識別世界各地種植的作物種類的地圖。

Kembhavi說：“我們的目標是建立一個監測我們星球的基礎模型。然后，一旦我們建立了這個基礎模型，就可以根據具體任務對其進行微調，然后將這些人工智能預測提供給其他科學家，以便他們能夠研究氣候變化和地球上正在發生的其他現象的影響。”