Satlas: Peta Dunia Bertenaga AI yang Bisa Tampilkan Pohon di Seluruh Dunia

Techverse.asia - Peta proyek energi terbarukan dan cakupan pohon pertama di seluruh dunia diluncurkan hari ini, dan menggunakan kecerdasan buatan atau Artificial Intelligence (AI) generatif untuk mempertajam gambar yang diambil dari luar angkasa. Itu semua adalah bagian dari alat baru yang disebut Satlas dari Allen Institute for AI, yang didirikan oleh salah satu pendiri Microsoft, Paul Allen.

Melansir The Verge, alat tersebut menggunakan citra satelit dari satelit Sentinel-2 milik Badan Antariksa Eropa. Namun demikian, sekarang ini gambar-gambar tersebut masih memberikan pemandangan tanah yang cukup buram. Cara mengatasinya? Sebuah fitur yang disebut resolusi super. Pada dasarnya, ini menggunakan model pembelajaran mendalam untuk mengisi detail, seperti seperti apa bentuk bangunan, untuk menghasilkan gambar beresolusi tinggi.

Untuk saat ini, Satlas berfokus pada proyek energi terbarukan dan tutupan pohon di seluruh dunia. Data tersebut diperbarui setiap bulan dan mencakup bagian planet yang dipantau oleh Sentinel-2. Itu mencakup sebagian besar wilayah dunia kecuali sebagian Antartika dan lautan terbuka yang jauh dari daratan.

Ini menunjukkan pembangkit listrik tenaga surya dan turbin angin darat dan lepas pantai. Pemakai juga dapat menggunakannya untuk melihat perubahan tutupan kanopi pohon dari waktu ke waktu. Hal ini merupakan wawasan penting bagi para pembuat kebijakan yang berupaya mencapai tujuan iklim dan lingkungan hidup lainnya. Namun menurut Allen Institute, belum pernah ada alat seluas ini yang gratis untuk umum.

Hal ini kemungkinan juga merupakan salah satu demonstrasi resolusi super pertama di peta global, kata pengembangnya. Yang pasti, masih ada beberapa masalah yang harus diselesaikan. Seperti model AI generatif lainnya, Satlas masih rentan mengalami 'halusinasi'.

“Anda bisa menyebutnya halusinasi atau akurasi yang buruk, tapi gambar tersebut menggambar bangunan dengan cara yang lucu. Mungkin bangunannya berbentuk persegi panjang dan modelnya mungkin mengira itu berbentuk trapesium atau semacamnya,” kata Direktur Senior Visi Komputer Allen Institute, Ani Kembhavi dikutip, Senin (4/9/2023).

Hal ini mungkin disebabkan oleh perbedaan arsitektur dari satu wilayah ke wilayah lainnya sehingga model tersebut tidak dapat diprediksi dengan baik. Halusinasi umum lainnya adalah menempatkan mobil dan kapal di tempat yang menurut model seharusnya didasarkan pada gambar yang digunakan untuk melatihnya.

Untuk mengembangkan Satlas, tim di Allen Institute harus secara manual menelusuri citra satelit untuk memberi label pada 36.000 turbin angin, 7.000 anjungan lepas pantai, 4.000 pembangkit listrik tenaga surya, dan 3.000 persentase kanopi tutupan pohon.

Begitulah cara mereka melatih model pembelajaran mendalam untuk mengenali fitur-fitur tersebut sendiri. Untuk resolusi super, mereka memberi model banyak gambar beresolusi rendah dari tempat yang sama yang diambil pada waktu berbeda. Model menggunakan gambar tersebut untuk memprediksi detail subpiksel pada gambar resolusi tinggi yang dihasilkannya.

Allen Institute berencana memperluas Satlas untuk menyediakan jenis peta lain, termasuk peta yang dapat mengidentifikasi jenis tanaman apa yang ditanam di seluruh dunia.

“Tujuan kami adalah menciptakan model dasar untuk memantau planet kita. Dan setelah kami membangun model dasar ini, menyempurnakannya untuk tugas-tugas tertentu dan kemudian membuat prediksi AI ini tersedia bagi ilmuwan lain sehingga mereka dapat mempelajari dampak perubahan iklim dan fenomena lain yang terjadi di bumi,” ujar Kembhavi.