Home » أهم الأخبار » AWS تتقدم في مجال مراقبة الأرض باستخدام الذكاء الاصطناعي الجغرافي المكاني

أعلنت (AWS) Amazon Web Services عن تقدم كبير في مجال رصد الأرض من خلال نماذج الأساسات الجيومكانية (GeoFMs)، في خطوة تُعيد تشكيل طريقة تحليل بيانات الأقمار الصناعية باستخدام الذكاء الاصطناعي.

وأوضح Chris Erasmus أن نماذج الرؤية القائمة على تقنية المحوّلات بدأت تُغيّر قواعد رصد الكواكب. وأضاف أن النماذج الجديدة مثل Clay وPrithvi-100M وSatMAE وAlphaEarth وOlmoEarth وSatVision-Base تعتمد على التعلم الذاتي والتدريب المسبق على بيانات ضخمة غير مصنفة.

وفي السابق، كان تحليل صور الأقمار الصناعية يعتمد على التعلم الخاضع للإشراف. وكان ذلك يتطلب تصنيف آلاف الصور يدوياً. ومع ذلك، كشفت AWS أن هذا النهج كان محدوداً، إذ تفشل النماذج عند تطبيقها على مناطق جغرافية مختلفة.

وفي المقابل، تعتمد نماذج GeoFMs على المشفرات التلقائية (MAE) للتعلم الذاتي. وبفضل ذلك، يمكنها فهم الأنماط والعلاقات المكانية على مستوى عالمي. كما يمكن تخصيصها بسرعة باستخدام بيانات أقل ووقت أقصر.

من جهة أخرى، أفادت AWS أنها توفر بنية تحتية متخصصة لدعم هذه النماذج. وتشمل هذه القدرات الوصول إلى بيتابايتات من البيانات مثل Sentinel-2 عبر السحابة دون الحاجة إلى نقلها، مما يقلل زمن الاستجابة والتكاليف. كذلك، توفر أدوات مثل Amazon SageMaker لبناء النماذج وتدريبها ونشرها، إلى جانب قدرات حوسبة تعتمد على وحدات معالجة الرسوميات لمعالجة البيانات على نطاق عالمي.

كما أشارت الشركة إلى أن هذه التقنيات تدعم عدة تطبيقات رئيسية، منها:

  • البحث عن التشابه الجيومكاني عبر تحويل الصور إلى تمثيلات متجهة عالية الأبعاد
  • الكشف عن التغيرات البيئية بدقة من خلال تحليل السلاسل الزمنية
  • تطوير نماذج تعلم آلي مخصصة ببيانات تدريب أقل

وفي السياق ذاته، تم استخدام هذه النماذج بالفعل في غابات الأمازون المطيرة. حيث أفادت التقارير أن الباحثين يستخدمون نموذج Clay لرصد مؤشرات مبكرة لقطع الأشجار وإنشاء الطرق، مما يساعد الجهات البيئية على التدخل السريع.

علاوة على ذلك، يتميز هذا النهج بالمرونة. إذ يمكن تطبيقه عبر مختلف مزودي الأقمار الصناعية والقطاعات مثل الزراعة والتأمين والطاقة والتخطيط العمراني والاستجابة للكوارث.

وفي الختام، ذكرت AWS أن نماذج الأساسات الجيومكانية ستسهم في تسريع الابتكار من خلال تقليل زمن التدريب عبر تقنيات مثل الضبط الدقيق والتعلم الصفري. ومع توفر هذه التقنيات، يبقى التحدي في سرعة تبني المؤسسات لها لمواجهة التحديات البيئية والاقتصادية المتزايدة.المؤسسات.