地球観測（EO）は、気候変動対策と持続可能な成長に欠かせないデータを提供します。
新たな衛星や高度なセンサー、GPS対応機器やモノのインターネット（IoT）デバイスから得られるデータにより、EOデータの量は飛躍的に増加しています。
生成される地球観測データの量は、現在の分析能力を超えています。
人工知能を活用すれば、こうしたデータの解読を助け、実行可能な知見やビジネスケースを得ることができます。
地球観測衛星、航空機、地上センサーによる（EO）は、数十年にわたり、政府や企業が気候変動対策を講じ、持続可能な成長を確保するための豊富なデータを提供してきました。用途には、早期警戒システムの構築、メタン漏出や違法採掘の検知、植林や適応策の取り組みの追跡などがあります。
新たな衛星や高度なセンサーのおかげで、商業利用可能なEOデータの規模と質は過去10年間で飛躍的に向上しました。EO衛星だけでも、1日あたり数百テラバイトのデータを提供します。その量は増え続けており、GPS対応機器やモノのインターネット（IoT）デバイスからのデータも加わることで、生成されるデータの規模は現在の分析能力をはるかに超えています。
そこで登場するのが人工知能（AI）です。
低コストで高性能なコンピューティングと組み合わせたAIの活用は、大規模言語モデル（LLM）がテキストにもたらした変化をEOデータにももたらすと見込まれています。デロイトとの協力で作成された新たなブリーフィングペーパー『地球観測における人工知能の触媒的可能性』が示すとおりです。これによりEOの理解と活用が容易になり、大きな影響が期待されます。
複雑な問いへの回答。AIの能力により、より多くのデータを迅速かつ正確に処理できるようになり、膨大な生のEO測定データを実行可能な知見へと変換できます。
専門知識のないユーザーにも直感的なユーザーインターフェースを提供。ChatGPTがLLMを広く普及させたのと同じように、より直感的なユーザーインターフェース（UI）の開発により、データサイエンティストだけでなくビジネスユーザーも、AIを活用したEOの知見にアクセスし、利用できるようになります。
ビジネスモデルの革新を促進。AIによってEOがより利用しやすくなれば、あらゆる分野・業界の組織がその活用を拡大でき、商業重視型とサステナビリティ重視型の双方のビジネスモデルに変革をもたらす可能性があります。
一貫性のある客観的な測定値を、気候にプラスの影響をもたらす行動や環境情報開示に取り入れることで、AIはネットゼロ経済に向けた取り組みへの信頼と透明性を高めます。
地球観測におけるAIの活用例には、異なるデータセットを統合してより包括的な状況分析を可能にすること、AI／機械学習（ML）システム向けの学習データを作成すること、原因（埋立地、農場、パイプラインなどからのメタン排出源）を特定すること、サイクロンや洪水などの事象を予測すること、大規模な時系列データセットを用いて変化を監視することなどがあります。
このブリーフィングペーパーは、フォーラムの地球観測活動を前進させるための重要な知見を提供します。この活動は、組織が自然にプラスの影響をもたらすネットゼロ経済に貢献し、科学的根拠に基づく脱炭素化目標を設定し、自然への依存と影響を理解できるよう支援するものです。
主な知見をいくつか紹介します。
基盤モデル
今後、AIと高度なコンピューティングの融合により、EOデータの発見可能性と使いやすさは大きく高まるでしょう。例えば、新たな基盤モデルによって、大量のEOデータを「オンデマンド」で分析できるようになります。基盤モデルは幅広いデータで学習されるため、さまざまな下流タスクに利用でき、用途ごとに新しいモデルを構築する必要がなくなります。単一のモデルで複数の下流アプリケーションに対応できるため、コスト削減につながります。
初期の活用例では、ジャーナリストのチームがアマゾン地域での違法採掘を発見するのに役立ちました。カスタマイズした深層学習モデルの構築には数カ月かかったはずですが、基盤モデルを使えば、データセットの収集は数日、整理は数ミリ秒で完了しました。
非専門家向けのUI
より利用しやすいUIがあれば、初心者も利用可能な地球データを調べ、試すことができます。EOの能力と、それが答えられる問いへの理解が深まれば、一般のユーザーも自らの業界の用途にEOの知見を活用できるようになります。
マサチューセッツ工科大学（MIT）メディアラボの2つの取り組み、Earth Mission ControlとClimate Pocketは、こうしたユーザーインターフェースとユーザー体験の向上を実現しています。複雑なEOデータセットを分析し、魅力的なデータビジュアライゼーションに変換して、実行可能な知見を提供します。
これにより、産業界、政策立案者、地域社会が十分な情報に基づいて意思決定を行うための重要なツールが得られます。
新たなビジネスモデル
今日、生成AIやLLMがビジネスモデルに合わせて調整され、組み込まれているのと同様に、EO向けAIも、遠隔地のインフラ監視、気候リスク評価、サプライチェーンの適応的管理など、幅広い用途を提供できます。
EOの知見は、中核的な機能や意思決定プロセスを変革できます。例えば、電力事業者は、変電所や送電線などの構成要素に関する位置情報付きデータを、電力インフラの衛星画像に重ね合わせることができます。その後、分散システムの状態や健全性に関する知見を業務プロセスに組み込めます。こうした知見により、組織の職員が予防保全を実施するための、迅速で費用対効果の高い判断が可能になります。
倫理的な考慮事項
AIモデルには、悪影響を避けるための適切なガバナンスと安全策が必要です。例えば、農家に知らせずに農地の画像を利用すると、農家自身に不利益をもたらす高額な規制や保険料の設定につながる可能性があります。AIモデルの偏りは、あらゆる地域や人々にとって公平でも包摂的でもない結果を招くおそれがあります。
2021年に国連教育科学文化機関（UNESCO）の全193加盟国が署名した「人工知能の倫理に関する勧告」に沿って、EO向けAIの研究と実装の双方に倫理的判断を取り入れる基本的な一歩として、人間が関与する仕組みを組み込むことが挙げられます。意思決定では、地球データのAIモデルだけでなく、モデルの結果や提言がもたらす経済的、文化的、社会的な影響も考慮すべきです。
ガバナンス、基準、オープンソースのソリューション、ビジネスモデルの革新に注力すれば、世界規模でEO向けAIの公平な導入を確保できます。あらゆる分野・業界で新たな価値創出の可能性を切り開くとともに、地球の持続可能な未来を確かなものにします。
