Lager kunstig intelligens for jordobservasjon

Jordobservasjonssatellittene i det europeiske Copernicus-programmet, som Norge er med i, holder øye med en mengde klima- og miljøfaktorer, som blant annet polisen, skogbrann, havsirkulasjon og luftkvalitet og mye mer. 

Flere norske etater, som Meteorologisk institutt, Kystverket, Norges vassdrags- og energietat, og universiteter, organisasjoner og bedrifter, bruker jordobservasjonsdata i sitt arbeid. 

Les mer om Copernicus og hvordan Norge bruker jordobservasjon her.

Jordobservasjonssatellittene gir en enorm mengde data hvert år. Hvordan kan denne mengden med data brukes mest mulig effektivt og gi svar på viktige spørsmål om jordas klima og miljø?

Kanskje kan kunstig intelligens hjelpe med dette. Derfor har den europeiske romorganisasjonen ESA flere prosjekter for å utvikle kunstig intelligens for jordobservasjon.

Overvåker geofarer og flom

I*STAR har utviklet en plattform som bruker kunstig intelligens for å overvåke blant annet geologiske farer som jordskjelv og vulkanutbrudd. Det gjør det mulig for satellittoperatører å forberede bilder over de aktuelle områdene automatisk for kunder som måtte trenge slike bilder.

Verktøyet SaferPlaces lager kart over områder med flom ved å bruke både satellittdata og målinger gjort på stedet. 

Dette benyttes av blant annet redningsmannskaper som skal inn i flomområder. SaferPlaces var også viktig for å anslå skadene etter flommen i Emilia-Romagna i Italia i 2023.

Utviklingen av både I*STAR og SaferPlaces er støttet av blant annet ESAs program InCubed.

Slik trenes en kunstig intelligens

EU og ESA holder også på med å utvikle en kunstig intelligens som kan gi svar i tekstform på ulike spørsmål om jordobservasjon. Denne digitale assistenten utvikles i samarbeid med partnere innen rombransjen, datavitenskap og meteorologi. 

Noe av det viktigste som må til for å lage en tekstbasert kunstig intelligens som ChatGPT er grunnlagsmodellen. Dette er modellen som brukes til å lære opp den kunstige intelligensen.

Tidligere ble kunstig intelligens og maskinlæring gjort ved hjelp av store mengder data som på forhånd hadde blitt kategorisert av mennesker. Men en grunnlagsmodell lærer opp den kunstige intelligensen ved hjelp av store og varierte kilder med data, uten hjelp av mennesker.

Ofte er grunnlagsmodellene ganske generelle, men de kan også tilpasses til mer spesifikke bruksområder. Resultatet blir en fleksibel og kraftig kunstig intelligens.

Siden 2018 har grunnlagsmodeller gitt enorme endringer i maskinlæring og produsert kjente kunstige intelligenser som ChatGPT. 

Snart klar for å testes og evalueres

ESAs teknologiutviklingsprogram Φ-lab (Fi-lab) har flere prosjekter gående som skal danne grunnlagsmodeller for jordobservasjon. 

PhilEO er et av grunnlagsmodellprosjektene til Φ-lab og startet tidlig i 2023. Her brukes data fra de optiske satellittene Sentinel-2 i Copernicus-programmet. 

PhilEO kan blant annet se geologiske strukturer på satellittbilder, som Richat i ørkenen i Mauretania i bildet over.

Den første utgaven av PhilEO er snart klar for å testes, evalueres og forbedres av jordobservasjonsmiljøet. 

Digital assistent som skal svare på spørsmål

ESA holder også på med å utvikle en digital tvilling av jorda. Dette er en enorm og avansert matematisk modell av hele jorda og dens store systemer, basert på tiår med jordobservasjonsdata.

Denne matematiske modellen får en digital assistent som blant annet kan lete i arkivene til jordobservasjonssatellittene Sentinel-1 og Sentinel-2 for å sammenlikne data.

I april 2024 starter et prosjekt ved ESAs Φ-lab som skal hente og analysere informasjon fra tekstkilder innen jordobservasjon. Målet er at denne digitale assistenten skal kunne svare på spørsmål fra både eksperter og generelle brukere. 

- En digital assistent innen jordobservasjon kan gi mye opplysninger fra en rekke kilder, og er derfor et veldig spennende prosjekt, sier Giuseppe Borghi, lederen for ESAs Φ-lab.

Både PhilEO og den digitale assistenten til jordas tvilling har allerede gitt veldig oppmuntrende resultater. 

- Vi forventer at begge disse prosjektene vil gi revolusjonerende resultater i nær fremtid, sier Borghi til ESAs nettsider.

Flere prosjekter i gang i Norge

- Her i Norge er det flere prosjekter i gang på om å bruke maskinlæring, kunstig intelligens og stordataanalyse sammen med data fra Copernicus, sier Dag Anders Moldestad, fagsjef innen Copernicus ved Norsk Romsenter.

Det skal brukes til å blant annet å overvåke faren for og gi varsler om snøskred for fastlands-Norge, Svalbard og Nord-Sverige. 

Kunstig intelligens skal også benyttes i prosjektet Foundation Models for Earth Observation, som Norsk Regnesentral har sammen med Universitetet i Tromsø og Norges vassdrags- og energidirektorat. 

Det samme gjelder for forskning på iskapper i regi av det norske firmaet Science & Technology. 

- Utviklingen innen kunstig intelligens for jordobservasjon vil være avgjørende for neste generasjons maritime overvåkingstjenester basert på satellittdata, sier Moldestad.

NTNU og Norges geologiske undersøkelse samarbeider om prosjektet Data Analytics for Ground Motion Monitoring (DARIO) for neste generasjons tjenester innen overvåking av nedsynking. 

Dessuten leder Meteorologisk institutt forskningsdelen av ekstremvær i prosjektet Weather-Induced Extremes Digital Twin innen utviklingen av EUs digitale tvilling kalt Destination Earth. Det skal kunne varsle om ekstremvær noen dager før det skjer.

- Det er også en rekke andre norske miljøer vi håper på å involvere mer fremover i skjæringspunktet mellom satellittbasert jordobservasjon, digitalisering, kunstig intelligens og håndtering av store datamengder for automatisert beslutningsstøtte, sier Moldestad.

Kontakt

Dag Anders Moldestad – Fagsjef, Copernicus – Norsk Romsenter – 913 28 273