Фундаментальные модели для наблюдения Земли: как добиться надёжности и масштабируемости
Исследователи представили обзор, в котором сформулировали ключевые принципы создания фундаментальных моделей для наблюдения Земли. Такие модели призваны заменить узкоспециализированные решения, но требуют адаптации к специфике спутниковых данных.
Фундаментальные модели — это универсальные ИИ-модели, обучаемые на больших объёмах данных и затем настраиваемые под конкретные задачи. В области наблюдения Земли они могут обрабатывать мультимодальные снимки, но сталкиваются с проблемами из-за физических ограничений измерений и операционных требований.
Спутниковые и аэросъёмочные данные подчиняются законам физики и имеют свои особенности. Простое перенесение общих моделей без специализации приводит к неоптимальным результатам. Авторы выделяют необходимость учёта физики измерений и требований к принятию решений.
Согласно обзору, ни одна из существующих геопространственных фундаментальных моделей не является универсально лучшей. Проблема несогласованности тестовых процедур затрудняет справедливое сравнение и надёжное развёртывание.
В качестве примеров приводятся две задачи: маскирование спектральных участков на основе физических принципов для прогнозирования цветения водорослей и использование обучения с подкреплением для адаптивного выбора станций экологического мониторинга. Эти кейсы демонстрируют практическое применение описанных принципов.
Следующее поколение фундаментальных моделей для дистанционного зондирования должно оцениваться не только по точности на бенчмарках, но и по способности переносить знания между модальностями и формировать физически правдоподобные представления. Это необходимо для доверенных решений в области наблюдения Земли.
