Allen Institute for Artificial Intelligence（Ai2）今日（10月22日）正式發布新版衞星地圖嵌入模型 OlmoEarth v1.3，並同步推出「OlmoEarth Embeddings Explorer」——一個直接喺瀏覽器運作、免登入嘅地圖製作工具。
模型做咗乜
OlmoEarth 將一年嘅衞星觀測數據「壓縮」成每塊地面嘅數碼指紋（embedding，即模型由數百萬張衞星影像學到嘅模式），其他軟件可以拿嚟分辨農地、森林、礦場等地物。最小解析度為 10×10 米，另有 64 平方米同 128 米兩種規格。
數據來自三組衞星：Sentinel-1（量測雷達反射）、Sentinel-2 同 Landsat（捕捉可見光及紅外）。
由「要等幾小時」變「幾秒出圖」
以往用 OlmoEarth 要喺 OlmoEarth Studio 逐個任務微調（fine-tune，即針對特定工作重新訓練模型）、再喺衞星數據上跑，需要大量 GPU 同下載存儲影像。
Ai2 表示，以往團隊做一個概念驗證要數小時，而新 Explorer 嘅首次通過只要「幾秒」；用小量標籤做區域分析甚至唔需要 GPU。
訓練成本最平
官方數字：v1.3 嘅運算時間為 v1.2 嘅 53%、初代 v1 嘅 18%；碳排放則為 50% 同 22%。
實戰：秘魯非法採金
案例嚟自秘魯 Madre de Dios 地區 La Pampa 周邊。Amazon Conservation Team 嘅 MAAP 監測項目記錄到，2017 至 2018 年非法金礦在 Tambopata 國家保護區緩衝帶開採，毀林超過 1,200 公頃；2019 年 2 月秘魯「Operation Mercurio」行動關閉大部分礦場。
透過 embedding 跨年比較像素（唔需要模型訓練）：2016–2020 南方礦帶出現向東推進（eastward push），34 平方公里「明顯變化」；2020–2024 相同區域降至 9 平方公里。閉場喺數據上清晰可見。
官方亦提到，農業分析員可用類似方法定位油棕種植範圍，識別森林被種植園取代嘅區域。
模姐驗嚇貨：官方數字、官方案例，第三方獨立實測仍未見；v1.3 嘅「最勁」定性未見獨立評測，先留意，待第三方再觀望。
模姐｜深度調教
