Google maakt gebruik van generatieve AI en meerdere funderingsmodellen introduceren Geospatiale redenering, een onderzoeksinitiatief dat is ontworpen om geospatiale probleemoplossing te versnellen. Deze inspanning integreert grote taalmodellen zoals Gemini en Remote Sensing Foundation -modellen om de gegevensanalyse in verschillende sectoren te verbeteren.
Jarenlang heeft Google geospatiale gegevens verzameld, die informatie is gekoppeld aan specifieke geografische locaties, om hun producten te verbeteren. Deze gegevens zijn cruciaal voor het aanpakken van enterprise -uitdagingen zoals die in de volksgezondheid, stedelijke ontwikkeling en klimaatveerkracht.
De nieuwe externe detectie-funderingsmodellen zijn gebouwd op architecturen zoals gemaskerde autoencoders, Siglip, Mammut en Owl-Vit, en worden getraind met behulp van satelliet- en luchtbeelden met hoge resolutie met tekstbeschrijvingen en annotaties voor het grenzen. Deze modellen genereren gedetailleerde insluitingen voor afbeeldingen en objecten en kunnen worden aangepast voor taken zoals het in kaart brengen van infrastructuur, het beoordelen van rampenschade en het vinden van specifieke functies.
Deze modellen ondersteunen natuurlijke taalinterfaces, waardoor gebruikers taken kunnen uitvoeren, zoals het vinden van afbeeldingen van specifieke structuren of het identificeren van onbegaanbare wegen. Evaluaties hebben state-of-the-art prestaties aangetoond in verschillende teledetectiebenchmarks.
Geospatiale redenering is bedoeld om de geavanceerde funderingsmodellen van Google te integreren met gebruikersspecifieke modellen en datasets, voortbouwend op de bestaande piloot van Tweeling Mogelijkheden in Google Earth. Met dit framework kunnen ontwikkelaars aangepaste workflows op Google Cloud -platform bouwen om complexe geospatiale query’s te beheren met behulp van Gemini, die analyse orkestreert in verschillende gegevensbronnen.
De demonstratietoepassing laat zien hoe een crisismanager geospatiale redenering kan gebruiken na een orkaan door:
- Visualiseren van pre-disaster context: Met behulp van de open-source satellietbeelden van de Earth-motor.
- Visualiseren van de situatie na de ramp: Het importeren van luchtbeelden met hoge resolutie.
- Beschadigde gebieden identificeren: Het gebruik van funderingsmodellen op afstand om luchtbeelden te analyseren.
- Verder risico voorspellen: Gebruikmakend van de weersvoorspelling van de Weaterext AI.
- Gemini -vragen stellen: Schatschade breuken, waarde van materiële schade en het suggereren van verlichtingsprioritering.
De demonstratietoepassing omvat:
- Een verpakte python front-end applicatie: Dat integreert het in kaart brengen en graferen van componenten met een chatvenster.
- Een agentische back-end: Dat implementeert een Langgraph -agent die wordt geïmplementeerd met behulp van Vertex AI Agent Engine.
- LLM-toegankelijke tools: Voor toegang tot Earth Engine, BigQuery, Google Maps Platform en Google Cloud Storage, het uitvoeren van geospatiale bewerkingen en het gebruik van externe detectie Foundation Model Inferentie eindpunten geïmplementeerd op Vertex AI.
De applicatie maakt gebruik van luchtbeelden met hoge resolutie van de Civil Air Patrol, vooraf verwerkt met AI van Bellwether, X’s Moonshot voor klimaataanpassing, plus de open gebouwen en SKAI-modellen van Google Research. Sociale kwetsbaarheidsindices, huizenprijsgegevens en Google Weathernext Insights zijn ook opgenomen.
De choreografie van WPP zal PDFM integreren met zijn mediaprestatiegegevens om AI-gedreven publieksintelligentie te verbeteren. Airbus, Maxar en Planet Labs zullen de eerste testers zijn van de externe detectie -funderingsmodellen.
Specifiek:
- Airbus: Plannen om Google’s Remote Sensing Foundation -modellen te gebruiken om gebruikers in staat te stellen inzichten uit miljarden satellietbeelden te extraheren.
- Maxar: Is van plan de modellen te gebruiken om klanten te helpen om te communiceren met de “Living Globe” en missiekritische antwoorden sneller te extraheren.
- Planet Labs: Zullen de externe detectie -funderingsmodellen gebruiken om inzichten voor hun klanten te vereenvoudigen en te versnellen.
