谷歌训练了一个AI，通过在地图上统计咖啡店、公交车站和高楼的数量来预测你所在社区的收入。没有人告诉它什么是收入。

这个模型名为S2Vec，由Google Research作为其Earth AI计划的一部分发布。它将建成环境（一个区域内的每栋建筑、道路、公园和商家）转化为分层图像。网格单元中的三家咖啡店和一个公园会变成像素值。然后，AI以计算机视觉模型读取照片的方式读取该图像。

训练方法才是关键部分。S2Vec使用掩码自编码：你向模型展示城市的一个补丁，其中缺少一些块，它学会填补空白。向它展示地铁站旁边的一组高层公寓，遮盖一部分，它会预测那里应该有一家杂货店。

在全球范围内重复数百万次这样的操作，模型就会学会城市自我组织方式的深层空间语法。没有人类曾经将某个区域标记为“金融区”或“郊区住宅”。模型从建筑物的几何布局中自行推断出这些分组。

输出是一个嵌入向量，一串数字，作为地球上任何位置的数学指纹。将这些嵌入向量输入预测任务，S2Vec就能为它从未见过的区域估算人口密度、中位收入和碳排放。

在零样本地理外推（针对训练数据中完全缺失的区域进行预测）方面，S2Vec通常是表现最佳的单个模型。

它匹配或超过了像RS-MaMMUT这样的卫星图像基准，并在社会经济预测上优于GEOCLIP。最佳结果来自于将S2Vec与卫星图像嵌入结合。仅靠建成环境数据无法充分捕捉植被、地形或交通模式，无法满足树冠覆盖和海拔等环境任务。但将两种模态融合后，其表现胜过其他一切。

地理空间机器学习的标准方法一直是针对每个新问题手工制作指标。预测空气质量意味着构建一个定制特征集。估算房价意味着构建另一个。S2Vec用一个通用的单一表示取代了这一切，该表示可在任务间转移。

训练数据是地图特征，而不是卫星像素。

这个区别非常重要，需要理解。它意味着：地图数据更新更快、处理成本更低，并且覆盖建成基础设施的分辨率是卫星图像无法始终匹敌的。

卫星看到的是屋顶。S2Vec知道屋顶下面有三家咖啡馆、一家药店和一个公交车站。

谷歌更广泛的Earth AI管道现在有三个基础模型并行工作。

1. PDFM 用于人口动态。2. RS-MaMMUT 用于卫星图像。3. S2Vec 用于建成环境。

将它们叠加，你就会得到一个系统，能够像本地人理解社区那样读取社区。

更多信息请见此处：

Interested in getting a short overview of the latest geospatial papers and datasets each week?

Subscribe to the Spatial Edge newsletter: 网页链接

网页链接