激光网3月26日消息，想象一下，你可以问一个聊天机器人，“你能给我一张非常准确的肯尼亚农作物种植分类图吗?”或者“我的街道上的建筑物是否正在下沉?”想象一下，传回的信息在科学上是合理的，并且基于经过验证的地球观测数据。
欧空局正在与技术合作伙伴合作，通过开发人工智能应用程序来使这种工具成为现实，这些应用程序将彻底改变地球观测中的信息检索。
地球观测每天都会产生大量重要数据，但仅靠人类很难确保我们从这些数据中获得最佳价值。幸运的是，人工智能有助于与如此庞大而复杂的数据集进行交互，识别关键特征并以用户友好的格式呈现信息。
例如，由欧空局InCubed计划共同资助的一项活动I*STAR开发了一个平台，该平台使用人工智能来监测地震或火山爆发等当前事件，以便卫星运营商可以自动为客户计划下一次数据采集。
SaferPlaces AI 工具再次得到 InCubed 的支持，通过将原位测量结果与卫星数据合并，为灾害响应团队创建洪水地图。SaferPlaces在去年意大利艾米利亚-罗马涅大区的洪水中对损失评估工作至关重要。
在过去的几年里，人工智能的进步大大加快，ChatGPT 和 Gemini 等工具的进步甚至让该领域的专家感到惊讶。为了利用这一变革性创新并抓住这项技术带来的机会，自然而然的下一步是利用地球观测数据构建一个 ChatGPT 风格的基于文本的查询。
与来自太空、计算和气象领域的各种合作伙伴一起，欧空局目前正在开发一种地球观测数字助手，该助手将理解人类的查询并以类似人类的答案做出回应——即自然语言能力。
不过，毫不奇怪，要创建这样一个数字助理，需要完成许多拼图游戏，首先是支撑它的动力源，即基础模型。
人工智能模型通过训练和随着时间的推移而改进来工作，但在更传统的机器学习中，机器必须输入大量数据，这些数据通常由人类标记。
进入基础模型，它采用了非常不同的方法。基础模型是一种机器学习模型，它在很大程度上在没有人工监督的情况下，对大量且不同的未标记数据源进行训练。基础模型非常通用，但可以针对特定应用进行定制。
其结果是一个灵活、强大的人工智能引擎，自 2018 年成立以来，基础模型为机器学习的巨大转变做出了贡献，影响了许多行业和整个社会。
欧空局Φ-lab有几项正在进行的计划，用于创建专门用于地球观测相关任务的基础模型。这些模型使用数据提供有关环境关键主题的信息，例如甲烷泄漏和极端天气事件缓解。
一个基础模型项目 PhilEO 于 2023 年初启动，现已成熟。基于全球哥白尼哨兵2号数据的评估框架，以及很快的PhilEO模型本身，将发布给地球观测界，以刺激合作方法，推进该领域的发展，并确保衍生的基础模型得到广泛验证。
上图显示了 Richat 结构，这是 PhilEO 模型在没有人类监督的情况下学会识别的特征类型。
欧空局的独立计划正在研究拼图游戏的人类一端 - 创建数字助理，该数字助理将从用户那里获取自然语言问题，通过地球观测基础模型处理正确的数据，并以文本和/或图像生成答案。
地球的前身数字孪生最近证明，其数字助理原型可以执行多模态任务，在Sentinel-1和Sentinel-2等多个数据档案中搜索以比较信息。
欧空局Φ实验室将于4月开始的一项活动将探索自然语言处理，以从经过验证的地球观测文本源中提取和分析信息，以及解释专家和普通用户的查询。这项活动最终将导致创建一个功能齐全的数字助理。
“地球观测数字助理的概念可以从不同来源提供广泛的洞察力，这是一个诱人的前景，正如这些举措所表明的那样，要实现这一目标，有许多基本的组成部分需要到位，”欧空局局长Φ-lab朱塞佩·博吉评论道。
“鉴于PhilEO和数字助理前身已经取得了非常令人鼓舞的进展，我完全期望新项目在不久的将来产生改变游戏规则的结果。
