Mapa inédito de energia renovável utiliza IA para aprimorar imagens espaciais
A ferramenta, compartilhada inicialmente com o The Verge, utiliza imagens de satélite da Agência Espacial Europeia
Hoje foi lançado um mapa pioneiro de projetos de energia renovável e cobertura de árvores ao redor do mundo, que utiliza inteligência artificial generativa para essencialmente aprimorar imagens capturadas do espaço. Tudo isso faz parte de uma nova ferramenta chamada Satlas, desenvolvida pelo Allen Institute for AI, fundado por Paul Allen, co-fundador da Microsoft.
A ferramenta, compartilhada inicialmente com o The Verge, utiliza imagens de satélite da Agência Espacial Europeia, provenientes dos satélites Sentinel-2. No entanto, essas imagens ainda fornecem uma visão um tanto quanto desfocada do solo. A solução? Uma funcionalidade chamada "Super-Resolution". Basicamente, ela utiliza modelos de deep learning para preencher detalhes, como a aparência de edifícios, gerando imagens de alta resolução.
Por enquanto, o Satlas se concentra em projetos de energia renovável e cobertura de árvores ao redor do mundo. Os dados são atualizados mensalmente e incluem partes do planeta monitoradas pelo Sentinel-2. Isso abrange a maior parte do mundo, exceto algumas áreas da Antártica e oceanos distantes das terras.
O mapa exibe fazendas solares, turbinas eólicas em terra e no mar. Também é possível visualizar como a cobertura da copa das árvores mudou ao longo do tempo. Essas são informações valiosas para formuladores de políticas que buscam atender metas climáticas e outros objetivos ambientais. Segundo o Allen Institute, nunca houve uma ferramenta tão abrangente e gratuita para o público.
Esta é provavelmente uma das primeiras demonstrações de super-resolução em um mapa global. No entanto, como outros modelos de IA generativa, o Satlas ainda está sujeito a "alucinações".
"Você pode chamar de alucinação ou baixa precisão, mas ele estava desenhando edifícios de maneiras estranhas", diz Ani Kembhavi, diretor sênior de visão computacional no Allen Institute. "Talvez o edifício seja retangular e o modelo pense que é trapezoidal."
Para desenvolver o Satlas, a equipe do Allen Institute teve que analisar manualmente imagens de satélite para rotular milhares de turbinas eólicas, plataformas offshore, fazendas solares e porcentagens de cobertura de copa de árvores. Foi assim que treinaram os modelos de deep learning a reconhecer essas características por conta própria.
O Allen Institute planeja expandir o Satlas para fornecer outros tipos de mapas, incluindo um que possa identificar os tipos de culturas plantadas ao redor do mundo.
"Nosso objetivo era criar um modelo base para monitorar nosso planeta", diz Kembhavi. "E, após construir esse modelo base, aprimorá-lo para tarefas específicas e disponibilizar essas previsões de IA para outros cientistas, para que possam estudar os efeitos das mudanças climáticas e outros fenômenos que estão ocorrendo na Terra."