فتح رؤى مع الذكاء الاصطناعي ونماذج الأساس المتعددة

عندما تحصل على أفضل مسار من خرائط Google ، استكشف مكانًا جديدًا في View View ، أو إلقاء نظرة على منطقتك على Google Earth ، أو تحقق من توقعات الطقس مع البحث ، فأنت تستخدم البيانات الجغرافية المكانية. لعقود من الزمن ، نظمت Google العالم الجيولوجي المعلومات – البيانات المرتبطة بموقع جغرافي معين – وجعلتها متاحة من خلال منتجاتنا.

المعلومات الجغرافية المكانية ضرورية في المواقف اليومية وللمجموعة الواسعة من مشاكل المؤسسات في العالم الحقيقي. سواء كنت تعمل في الصحة العامة أو التنمية الحضرية أو تخطيط الأعمال المتكامل أو مرونة المناخ ، فإن بيانات Google والخدمات في الوقت الفعلي ونماذج الذكاء الاصطناعى يمكن أن تسريع التحليلات الخاصة بك وزيادة نماذج الملكية والبيانات الخاصة بك.

يمكن أن تكون المعلومات الجغرافية المكانية كبيرة ومعقدة ويصعب فهمها – تمامًا مثل العالم الحقيقي! يتطلب جمع البيانات وتخزينها وتقديمها أجهزة استشعار ومنصات متخصصة. يمكن أن تكون ملاحظات الأشياء التي تهتم بها نادرة أو تتطلب وضع علامات مستهلكة للوقت. تعتبر حالات الاستخدام متنوعة وغالبًا ما تتطلب أنواعًا مختلفة من البيانات التي تحتاج إلى محاذاة ومرجع عبرها (الطقس ، والخرائط ، والصور ، وما إلى ذلك) ، وأساليب AI الأخيرة لا يتم تحسينها للمشاكل الجغرافية المكانية. تحويل المعلومات الجغرافية المكانية إلى فهم هو مجال تركيز لأبحاث Google.

في شهر نوفمبر الماضي ، قدمنا ​​نموذجين مدربين مسبقًا ومتعددة الأغراض لمواجهة العديد من تحديات النمذجة الجغرافية المكانية: نموذج مؤسسة Diban Dynamics (PDFM) ، الذي يلتقط التفاعل المعقد بين السلوكيات السكانية وبيئتها المحلية ، ونموذج الأساس الجديد القائم على مسار التنقل. منذ ذلك الحين ، اختبرت أكثر من مائتي منظمة تضمينات PDFM للولايات المتحدة ونقوم بتوسيع مجموعة البيانات لتغطية المملكة المتحدة وأستراليا واليابان وكندا وملاوي للاستخدام التجريبي من قبل شركاء مختارين.

نحن نستكشف أيضًا كيف يمكن لـ AI التوليدي تقليل التكلفة الكبيرة والوقت والخبرة في المجال المطلوبة للجمع بين القدرات الجغرافية المكانية. يمكن للموديلات اللغوية الكبيرة (LLMS) مثل الجوزاء إدارة البيانات المعقدة والتفاعل مع المستخدمين من خلال اللغة الطبيعية. عندما يتم دمجها في مهام سير العمل الوهمية التي ترتكز على البيانات الجغرافية المكانية ، بدأنا نرى أنه يمكنهم إنشاء رؤى في مختلف المجالات التي هي مفاجئة ومفيدة.

اليوم ، نقدم نماذج مؤسسة جديدة للاستشعار عن بُعد للتجربة إلى جانب جهد بحثي يسمى المنطق الجغرافي المكاني الذي يهدف إلى الجمع بين جميع نماذج الأساس الخاصة بنا مع AI التوليدي لتسريع حل المشكلات الجغرافية المكانية. ستكون نماذجنا متاحة من خلال برنامج اختبار موثوق به ، مع مشاركين افتتاحيين بما في ذلك WPP و Airbus و Maxar و Planet Labs.