새로운 AI

저자 저스틴 칼마(Justine Calma)는 10년의 경험을 바탕으로 환경, 기후, 에너지를 다루는 과학 기자입니다. 그녀는 Hell or High Water 팟캐스트의 진행자이기도 합니다.

오늘 출시된 전 세계 재생 에너지 프로젝트 및 수목 범위에 대한 최초의 지도는 생성 AI를 사용하여 우주에서 촬영한 이미지를 본질적으로 선명하게 만듭니다. 이는 모두 Microsoft 공동 창업자인 Paul Allen이 설립한 Allen Institute for AI의 Satlas라는 새로운 도구의 일부입니다.

The Verge와 처음 공유된 이 도구는 유럽 우주국(European Space Agency)의 Sentinel-2 위성에서 얻은 위성 이미지를 사용합니다. 그러나 이러한 이미지는 여전히 땅에 대한 꽤 흐릿한 모습을 제공합니다. 수정? "초해상도"라는 기능입니다. 기본적으로 딥 러닝 모델을 사용하여 건물의 모습과 같은 세부 사항을 채워 고해상도 이미지를 생성합니다.

현재 Satlas는 전 세계 재생 에너지 프로젝트와 나무 덮개에 중점을 두고 있습니다. 데이터는 매달 업데이트되며 Sentinel-2가 모니터링하는 행성의 일부를 포함합니다. 여기에는 남극 대륙의 일부와 육지에서 멀리 떨어진 대양을 제외한 대부분의 세계가 포함됩니다.

태양광 발전소와 육상 및 해상 풍력 터빈을 보여줍니다. 또한 이를 사용하여 시간이 지남에 따라 나무 캐노피 적용 범위가 어떻게 변했는지 확인할 수도 있습니다. 이는 기후 및 기타 환경 목표를 달성하려는 정책 입안자에게 중요한 통찰력입니다. 그러나 Allen Institute에 따르면 대중에게 무료로 제공되는 이렇게 광범위한 도구는 지금까지 없었습니다.

이는 또한 세계 지도에서 초해상도를 구현한 최초의 시연 중 하나일 가능성이 높다고 개발자들은 말합니다. 확실히 아직 해결해야 할 몇 가지 문제가 있습니다. 다른 생성 AI 모델과 마찬가지로 Satlas는 여전히 "환각"에 취약합니다.

Allen Institute의 컴퓨터 비전 담당 수석 이사인 Ani Kembhavi는 "환각이라고 부를 수도 있고 정확도가 떨어지는 경우도 있지만 건물을 우스꽝스러운 방식으로 그렸습니다."라고 말했습니다. "어쩌면 건물이 직사각형인데 모델이 사다리꼴이라고 생각할 수도 있습니다."

이는 모델이 예측하는 데 적합하지 않은 지역별 아키텍처 차이로 인한 것일 수 있습니다. 또 다른 일반적인 환각은 모델이 훈련에 사용된 이미지를 기반으로 해야 한다고 생각하는 장소에 자동차와 선박을 배치하는 것입니다.

Satlas를 개발하기 위해 Allen Institute의 팀은 위성 이미지를 수동으로 입력하여 36,000개의 풍력 터빈, 7,000개의 해양 플랫폼, 4,000개의 태양열 발전소 및 3,000개의 나무 덮개 캐노피 비율에 라벨을 지정해야 했습니다. 이것이 그들이 스스로 이러한 기능을 인식하도록 딥 러닝 모델을 훈련한 방법입니다. 초고해상도를 위해 그들은 서로 다른 시간에 촬영된 같은 장소의 여러 저해상도 이미지를 모델에 제공했습니다. 모델은 이러한 이미지를 사용하여 생성되는 고해상도 이미지의 하위 픽셀 세부 정보를 예측합니다.

Allen Institute는 Satlas를 확장하여 전 세계에 어떤 종류의 작물을 심고 있는지 확인할 수 있는 지도를 포함하여 다른 종류의 지도를 제공할 계획입니다.

Kembhavi는 "우리의 목표는 지구를 모니터링하기 위한 기반 모델을 만드는 것이었습니다."라고 말했습니다. "그런 다음 이 기초 모델을 구축한 후 특정 작업에 맞게 미세 조정한 다음 이러한 AI 예측을 다른 과학자들이 사용할 수 있도록 하여 지구에서 일어나는 기후 변화 및 기타 현상의 영향을 연구할 수 있도록 합니다."

/ Verge Deals에 가입하시면 우리가 테스트한 제품에 대한 특가를 매일 받은 편지함으로 보내드립니다.