上空から地球を監視するのは面倒で一貫性のない仕事です。雲が衛星の視界を遮り、太陽の角度によって大きな影が生じる可能性があり、軌道経路ではシステムが同じ一般領域を何週間も通過できない場合があります。この不一致は従来のソフトウェアでは処理が難しく、標準の深層学習アルゴリズムを混乱させる可能性さえあります。しかし、クルージュ・ナポカ工科大学の研究者、ラウル・アレクサンドル・ゴーガン氏とドリアン・ゴーガン氏がプレプリントで入手可能な新しいレビュー記事によると、役立つ可能性のある新しいタイプのフロンティアAI、それが生物学的にインスピレーションを得た液体ニューラルネットワークだという。

現代社会は地球観測に大きく依存していますが、深層学習システムが理解できる有意義な方法でデータを収集することは複雑です。たとえば、自動運転車を運転するネットワークなど、ほとんどの深層学習ネットワークでは、データ ポイントが一定の間隔で受信されることが期待されており、通常、その間隔は比較的短いため、小さな変化を区別してモデルに情報を与えることができます。

このレベルの規則性は地球観測では発生しません。最も明白な原因は雲です。地球低軌道 (LEO) 上の衛星からは、多くの場合、地球の特定の領域が雲によって遮られて視界が遮られることがあります。これに比較的不安定な通過時間が組み合わされると、衛星によっては、世界の特定の地域の写真を撮影できるようになるまでに 1 か月以上かかる場合があります。

フレイザー氏は、地球観測衛星が宇宙から監視しているかどうかについて語ります。

夏の間に畑が成長するなどの段階的なプロセスや、鉄砲水や火山などの一度限りの壊滅的な出来事を通じて、1 か月の間に多くのことが変化する可能性があります。畳み込みニューラル ネットワーク (CNN) やビジュアル トランスフォーマーなどの従来の処理手法は、数えられる小さなステップでの処理時間には優れていますが、その間に多くのことが起こった大きなギャップを埋めるのには適していません。言い換えれば、作物の成長や森林火災の限界の違いが混乱しているのです。

この問題に対処するために多くの解決策が検討されており、レビュー論文では 2018 年から 2026 年の間に発表された 61 件の異なる研究を取り上げており、これらの課題に対応して人工知能がどのように進化しているかを示しています。多くの適応技術は、今日の従来のコンピューター ビジョン モデルの拡張を使用し、応答性の高い動的フィールドまたはグラフベースのモデルを追加して、建物のフットプリントの変化を追跡したり、霧の領域を元に戻したりします。

しかし、おそらく最も興味深いアプローチは、リキッド ニューラル ネットワークです。これらは、生物学研究で一般的に使用される微細な回虫である C. エレガンスのシンプルでコンパクトな神経系からインスピレーションを得たもので、ニューロンの数は合計 302 個のみです。従来のソフトウェア モデルとは異なり、LNN は常微分方程式 (ODE) として知られる一種の計算方程式を使用して、大量のデータが欠落している場合でも連続時間ストリームに適応できるようにします。

フレイザーとパメラは、リモート センシングについて、そして私たちが知っているようにそれが人生にとっていかに重要であるかについて話し合います。

雲に覆われているために衛星が農場上空を 3 回連続で通過できなかった場合、LNN はその時間ギャップを数学的に簡単に統合することができ、システムがデータ ポイントを決して見逃さなかったかのように見せかけます。また、劇的な変化にも適応し、火山噴火や森林火災などの重大な出来事によって混乱します。また、ブルート フォース コードほど計算量が多くない ODE を使用しているため、最終的には、観測を行っている一部の衛星上で直接実行することもでき、より小型で低電力のコンピューター チップ上でも実行できます。

ただし、このテクノロジーはまだ初期段階にあります。レビュー記事にある 61 件の研究のうち、LNN を使用したのはわずか約 16% でした。しかし、さらに重要なのは、研究の多くが単一リージョンでコードをテストしただけであるか、計算を完了するためにどれだけのコンピューティングパワーが使用されたかを記録していなかったということです。言い換えれば、研究者は、この新しい技術がこれらの観測問題に明確な利点をもたらすことを実際に実証できるまで、この新しい技術に対する熱意を抑える必要があります。

すぐに彼には自分自身を証明する多くの機会が訪れるでしょう。宇宙機関と民間企業はいずれも定期的に新しい地球観測衛星を打ち上げ続け、さらに多くの訓練データを提供しています。研究者が最も効果的な手法を研究するにつれて、私たちの地球がどのように機能するかについての理解は今後も向上していくでしょう。

詳細情報:

R.A. Gorgan & D. Goran – リモート センシング画像のための適応ニューラル ネットワーク: 体系的なレビュー

UT – アンテナのユニークな組み合わせはリモートセンシングに革命をもたらす可能性があります

UT – 地球観測衛星は現在の高度よりもはるかに低い高度で飛行し、より優れた科学を行うことができるでしょう

UT – 地球は宇宙人にとっての系外惑星です。これが彼らが見るものです