地球観測衛星の「ノイズ」を人工知能が解き明かす——生物型ニューラルネットワークの可能性
衛星から地球を観測することは、思うほど単純ではない。雲が視界を遮り、太陽光が影を作り、軌道の周期が数週間単位でずれていく。こうした不規則性は、従来のソフトウェアやディープラーニングアルゴリズムに頭を抱えさせてきた。ルーマニアの技術大学クルージュ・ナポカ校のラウル・アレクサンドル・ゴルガンとドリアン・ゴルガンによる新しいレビュー論文によれば、生物にインスパイアされた「リキッドニューラルネットワーク」という新しい種類のAIが、この課題を解く道を開く可能性があるという。
データの「穴」に対応できない従来型AI
地球観測は現代社会の基盤を支えているが、その実現は複雑だ。ディープラーニングネットワークが学習するには通常、データポイントが等間隔で、かつ比較的短い周期で入力される必要がある。自動運転車を駆動するシステムのように、小さな変化を識別して学習するためだ。しかし地球観測ではこの条件が成り立たない。
最大の障害は雲である。低軌道衛星は雲に遮られて観測できない地域が繰り返し発生し、不規則な通過スケジュールと相まって、特定の地域を撮影するまでに1ヶ月以上かかることもある。その間に畑が育つような段階的な変化、あるいは洪水や火山噴火のような突発的な出来事が起こる。このような不確定性を処理する際、畳み込みニューラルネットワークやビジュアルトランスフォーマーといった従来型の視覚処理モデルは歯が立たない。
302個のニューロンからインスパイアされたAI
これに対し、ゴルガン両研究者が検討した61の研究論文（2018年から2026年に発表）の中でも特に注目される手法がリキッドニューラルネットワークだ。この方式は、生物学研究で広く用いられている顕微鏡サイズの線虫C．エレガンスにインスパイアされている。この線虫はわずか302個のニューロンしか持たないにもかかわらず、複雑な行動を制御できる。
リキッドニューラルネットワークは従来のソフトウェアモデルと異なり、常微分方程式という数学的手法を用いて、データの大きな欠落があっても連続的な時間経過に適応できる。衛星が雲に遮られて3回連続で農地の観測に失敗した場合、このネットワークはその時間ギャップを数学的に補填し、あたかもデータを逃さなかったかのように機能する。火山噴火や山火事といった劇的な変化にも対応し、さらに常微分方程式は計算量が少ないため、将来的には小型で低消費電力のコンピュータチップ、さらには観測衛星自体に直接搭載される可能性がある。
実証段階の課題
ただし、この技術はまだ初期段階にある。61の研究のうち、リキッドニューラルネットワークを使ったのは約16%に過ぎない。より重要な問題として、多くの研究は単一地域でしか検証されず、計算に要する電力量を記録していない。研究者らは、この新技術が実際の観測課題で明確な利点を証明するまで、期待を抑える必要があるという見解を示している。
今後、宇宙機関と民間企業が地球観測衛星を定期的に打ち上げ続ける中で、新しい訓練データが豊富に供給されるだろう。どの手法が最適なのかを探る過程で、私たち自身の惑星がどのように機能しているのかという理解は、着実に深まっていくことになる。
出典: Universe Today
