由微軟聯合創始人保羅?艾倫創立的艾倫人工智能研究院（Allen Institute for AI）近日發布了一款全新的工具，名為 Satlas，其中包含全球首個利用生成式人工智能技術提高衛星圖像清晰度的地圖，可以顯示全球范圍內的可再生能源項目和森林覆蓋率。

IT之家注意到，該地圖使用了來自歐洲空間局（European Space Agency）哨兵-2（Sentinel-2）衛星的衛星圖像。但是，這些圖像仍然無法清楚地顯示地面細節，于是他們使用了一種名為“超分辨率”（Super-Resolution）的解決辦法。基本上就是使用深度學習模型來填補細節，例如建筑物可能是什么樣子，從而生成高分辨率的圖像。

上圖是人工智能生成的肯尼亞納庫魯的高分辨率圖像，下圖是衛星拍攝的同一位置的低分辨率圖像

目前，Satlas 主要關注全球的可再生能源項目和森林覆蓋率。數據每月更新，包括哨兵-2 監測的地球部分區域，這包括除了南極洲和遠離陸地的公海之外的大部分地區。

該地圖顯示了太陽能發電場和陸上和海上風力渦輪機，還可以用它來查看樹冠覆蓋率隨時間的變化，這些對于試圖實現氣候和其他環境目標的政策制定者來說非常重要。

據艾倫研究院稱，這是第一款覆蓋范圍如此廣泛且免費向公眾開放的工具，其開發者也表示，這可能是超分辨率技術在全球地圖中的首次展示。

當然，還有一些問題需要解決。與其他生成式人工智能模型一樣，Satlas 也容易出現“幻覺”，有時會以一種奇怪的方式繪制建筑物，例如建筑物是矩形的，而模型可能認為它是梯形或者別的什么，這可能是由于不同地區的建筑風格差異導致模型難以預測。另一個常見的“幻覺”是在模型認為應該有汽車和船只的地方放置汽車和船只，這是基于訓練模型所用的圖像。

為了開發 Satlas，艾倫研究院的團隊不得不手動瀏覽衛星圖像，標記出 3.6 萬臺風力渦輪機、7 千個海上平臺、4 千個太陽能發電場和 3 千個樹冠覆蓋率。對于超分辨率，他們向模型輸入了同一地方在不同時間拍攝的許多低分辨率圖像。模型使用這些圖像來預測高分辨率圖像中的亞像素細節。

艾倫研究院還計劃擴展 Satlas，提供其他類型的地圖，包括一種可以識別全球種植作物類型的地圖。