AIは「エンベディング」を通じて地球観測を変革しており、生データを意味のある洞察へと変換しています。
エンベディングにより、AIは地球の表面データに含まれるパターンを認識できるようになり、環境の変化をより正確に特定できます。
この技術は、私たちが地球とどのように関わり、理解し、守るかを革新する可能性を秘めています。
地図は歴史を通じて私たちを魅了してきました。あらゆるものを地図に描けば非常に分かりにくくなるため、私たちは自らの価値観を反映する特定の側面を選ぶことを余儀なくされています。デジタル地図では、場所の名称や限られた概念を見るだけでなく検索することもできます。しかし、地球上でほぼあらゆるものを検索できる新しい種類の地図を想像してみてください。生態系、生物多様性、火災、洪水、道路、作物などです。画期的なAI技術のおかげで、このビジョンはもはやSFではなく、実現に向けて進んでいる現実です。こうした強力な新しいツールが主流になるにつれ、地図の作成をめぐる重要な課題、すなわちそのガバナンス、アクセシビリティ、プライバシーに取り組むことが不可欠です。
従来の地図作成ツールは点と線を描くことに依存しており、現代のデジタル地図はピクセルに依拠しています。しかし、どちらも詳細を大局と結びつける能力には限界があります。AIは、スペクトルの両端を理解する超人的な能力を私たちにもたらし、生データを意味のある洞察へと変換するとともに、地球の表面に潜む隠れたパターンや関係性を明らかにします。木の一本一本、森の全体を見て取ることができるのです。
近年のAIの台頭、とりわけTransformerモデル(ChatGPTの「T」)の広範な利用は、テキスト生成から画像説明、医療診断、気象予測に至るまで、多くの分野に革命をもたらしました。これらのモデルの中核には「エンベディング」という概念があります。これは、意味と文脈の両方を捉えた数値による要約、すなわち索引カードを作成することで、AIが学習するのを助ける強力な技術です。熟練した司書のように、AIはエンベディングを用いて最も細かなニュアンスや最も隠れたパターンに注目し、関連するすべての情報源を瞬時に示します。これら新しいエンベディングベースのツールの威力を示す例として、2019年以降、「BERT」のようなAIモデルを作成できるようになりました。これらのモデルは、Wikipediaをほぼ90%の精度で再現できる一方で、そのサイズは1%に過ぎません。エンベディングは、極めて強力な意味的圧縮なのです。
ピクセルから予測へ
これらのAIベースのエンベディングは、新しい地図の中核をなしています。私たちは、数十年前から蓄積されてきた膨大な既存の地球観測アーカイブに対して、こうした強力なツールを適用し始めたばかりです。世界に樹木が何本あるかといった問いに答えるためのデータは長年存在していましたが、そのすべてを一つ一つ調べるには膨大なコンピューターの作業が必要でした。そこで登場するのが地球エンベディングです。ここでは、無限に近いピクセルの山を扱うことができ、AIがこれらの高密度な数学的要約を作成します。空間、時間、概念を横断して移動する、蒸留された信号の豊かなタペストリーです。対象は森林や樹木だけでなく、河川の流れ、洪水、干ばつ、都市にも及びます。地球エンベディングは、画像全体を極めて短い要約へと圧縮するように明示的に設計されており、多くの場合、そのサイズは5%未満です。もちろん、これらの要約は完璧ではありませんが、驚くほど良好な結果を示すことが実証されています。当社のオープンモデルClayを用いた検証では、これらのエンベディングは、土地利用の分類、養殖の検出、バイオマスの推定において90%を超える精度を示すことが確認されています。これが大規模な地理空間分析をいかに大きく変えうるかは、把握しにくいものです。また、その概念がいかに単純であり、これまでいかにほとんど活用されてこなかったかも、同様です。
地球は、AIにとって最大の未開拓領域である
地球観測の分野全体は、最近の地球観測の世界的価値の拡大報告書で世界経済フォーラムが指摘しているように、認知度の低さに悩まされています。同報告書は、世界経済に対して追加で3.8兆ドルの機会が存在し、2030年までに年間20億トンの温室効果ガスを削減できると特定しています。同報告書では、地理エンベディングを含め、非専門家がその価値を引き出すための楽観的な要因として、AIを明示的に挙げています。
エンベディングは地理空間分析に革命をもたらす計り知れない可能性を秘めていますが、その導入と応用はいまだ限定的です。これは部分的には、AI、地理空間分析、持続可能性という三つの異なる分野の専門知識を必要とするためです。これらの分野のうち一つでも専門知識を持つ人材は稀です。さらに、他のあらゆる地図の作成と同様に、これらのツールの作成と展開をどのようにガバナンスするか、また、プライバシーや国家安全保障上の懸念、データの偏りや限界に対処するための専門知識も必要です。エンベディングは計算資源、アクセス、技術スキルの障壁を大幅に下げることができますが、文脈の確認や是正、悪用防止の仕組みがないまま、無条件に展開できる段階にはありません。
一方で、地球のためのAIは提供しますより広範なAIガバナンスの分野に対して、独自の利点をもたらします。テキストのような他の領域では、著作権やライセンスをめぐる法的な不確実性が多く存在します。地球のためのAIでは、文字通り数ペタバイトに及ぶ、完全にオープンなライセンスの下にある、世界全体を、毎月、数十年前まで遡って網羅したオープンデータを有しています。さらに、テキストのAIモデルは、コンテンツの品質の幅広い違い、プロパガンダや、歴史的記録と混在するフィクションを考慮する必要があります。地球のデータはすべて、実際の場所における実際の観測を表しています。地球のためのAIには、何をすべきか、どのように行うか、誰が行うかについての期待を形作るという、極めて大きな機会があります。
では、現在の状況はどうでしょうか。Microsoftの SatCLIP、NASAのPrivthi、Clayなど、60以上の地球のためのAIモデルが存在します。これらはいずれも、このアプローチの技術的、商業的、公共的な可能性を実証しています。しかし、それらの多くは依然としてニッチかつ学術的で、運用段階には至っていません。作成は困難で、利用も困難であり、洪水の自動検知、作物の予測、災害対応など、私たちが目にしてきた重要なユースケースで信頼するには時期尚早です。2024年10月時点で、ChatGPT、Llama、Claudeといった主要なAIモデルのいずれも、学習に地球のデータを一切使用していると開示しておらず、また、それを理解することもできません。
地理空間理解の新時代
エンベディングは、私たちが地球とどのように関わり、理解するかにおけるパラダイムシフトを表しています。エンベディングは、世界規模の過去のデータを含む極めて大規模なアーカイブがあるものの、そこから容易に情報を見つけられないという現在の問題を解決する助けとなります。ピクセルの限界を超えることで、自然界に関する情報へのより容易で、迅速かつ優れたアクセスという豊富な機会を開くことができ、より多くの利害関係者が将来について情報に基づく意思決定を行えるようになります。
気候変動と持続可能性の課題が深刻化するにつれ、AIは地球を理解し守るうえで極めて重要な役割を果たすでしょう。地球エンベディングは単なる技術的進歩にとどまらず、世界を見るための新しい方法であり、将来についてより良い意思決定を可能にします。この技術を取り入れ、より健全で持続可能な地球のために、その潜在能力を最大限に引き出す時が来ています。
気候変動と持続可能性の課題が深刻化するにつれ、AIは地球を理解し守るうえで極めて重要な役割を果たすでしょう。エンベディングは単なる技術的進歩にとどまらず、世界を見るための新しい方法であり、将来についてより良い意思決定を可能にします。この技術を取り入れ、より健全で持続可能な地球のために、その潜在能力を最大限に引き出す時が来ています。
