Google DeepMind AI로 자연 매핑, 모델링 및 이해하기
Google DeepMind과 Google Research는 지구의 생물권을 모니터링하고 보호하기 위해 설계된 AI 기반 도구 및 연구 이니셔티브 제품군을 도입했습니다. 이러한 발전은 세 가지 주요 영역에 초점을 맞춥니다: 산림 벌채 위험 예측, 종 분포 매핑 규모 확장, 그리고 바이오음향 모니터링 자동화.
시각 트랜스포머를 사용한 산림 벌채 위험 예측
Google은 간단한 추적을 넘어 선제적 위험 평가로 나아가는 고해상도 모델을 개발하여 산림 벌채 위험을 예측했습니다.
주요 기술 세부 사항은 다음과 같습니다:
- 해상도 및 규모: 이 모델은 넓은 지역에서 30미터 규모까지 산림 벌채 위험을 예측합니다.
- 아키텍처: 이 시스템은 시각 트랜스포머를 중심으로 구축되며 순수 위성 입력을 사용하고 도로 지도와 같은 지역 입력 레이어가 필요 없도록 합니다.
- 역사적 맥락: 이 작업은 World Resources Institute와 함께 1km² 해상도로 2000․년 동안의 산림 손실 요인(광목, 벌채, 농업, 화재 포함)을 모델링한 것을 기반으로 합니다.
Google은 산림 손실 예측을 위한 추가 연구를 지원하기 위해 벤치마크 데이터셋을 공개하고 있습니다.
GNN을 통한 종 분포 매핑 규모 확장
수백만 종의 지리적 범위를 매핑하는 과제를 해결하기 위해 Google 연구원들은 전례 없는 규모로 고해상도 종 분포 지도를 생성하기 위해 그래프 신경망(GNN) 접근법을 사용하고 있습니다.
GNN 모델은 세 가지 주요 데이터 소스를 통합합니다:
- 현장 관찰: 종 목격 데이터의 오픈 데이터베이스.
- 위성 임베딩: AlphaEarth Foundations의 데이터.
- 종 특성: 체질량과 같은 생물학적 정보.
이 방법론을 통해 연구자들은 여러 종의 기본 지리적 분포를 동시에 추론할 수 있습니다. QCIF 및 EcoCommons와의 파일럿 프로젝트에서 이 모델은 대형 글라이더를 포함한 호주 포유류를 매핑하는 데 사용되었습니다. 이러한 종 지도 23개가 UN Biodiversity Lab과 Earth Engine을 통해 공개되었습니다.
Perch 2.0을 사용한 바이오음향 모니터링
Google은 Perch 2.0의 출시와 함께 동물 발성 분류기를 업데이트했습니다. 이 모델은 저렴한 바이오음향 모니터가 생성하는 대규모 오디오 데이터셋을 수동으로 검토하는 어려움을 해결합니다.
기능 및 응용:
- 기초 모델: Perch 2.0은 기초 모델로 설계되어 현장 생태학자가 새로운 종과 서식지를 전 세계적으로 빠르게 식별할 수 있도록 적응시킬 수 있습니다.
- 최첨단 새 식별: 이 모델은 새 발성의 높은 정확도 식별을 제공합니다.
- 보존 영향: 하와이 대학교와 협력하여 Perch 2.0은 멸종 위기의 꿀먹이새의 juvenil 울음소리를 식별하고 보호 조치를 안내하는 데 사용되고 있습니다.
생물권 모델링의 통합된 미래
Google의 장기 목표는 이러한 서로 다른 모델을 통합하여 위성 데이터, 이미지, 바이오음향, 문서 등 여러 모달리티와 토지 이용 변화 및 농업 관행과 같은 인간 활동 모델을 결합한 포괄적인 시스템을 만드는 것입니다. 환경 데이터와 농업 수확량 및 홍수 예방 모델을 결합함으로써 Google은 보존 및 지속 가능성 결정을 위한 생물권 위협에 대한 전반적인 이해를 정책 입안자에게 제공하고자 합니다.