Земля перестала быть планетой — она стала вычислимым объектом. Теперь алгоритмы решают, что реально, а что — нет

На протяжении десятилетий спутники смотрели на Землю сверху, ежедневно собирая терабайты снимков, радарных данных и показаний датчиков. Эти массивы рассказывали людям истории о тающих ледниках, растущем уровне моря и расширяющихся городах, но для машин они оставались немым архивом. Космические аппараты работали для аналитиков, а не для алгоритмов.

Сейчас эта граница стремительно исчезает. В оборонных лабораториях, центрах ИИ и частных аэрокосмических компаниях разворачивается новая гонка за то, чтобы сделать саму планету вычислимой. Цель — превратить хаотичный аналоговый мир в структуру, которую можно индексировать, опрашивать и прогнозировать, создав живой цифровой двойник Земли.

Спутники перестают быть просто наблюдателями и становятся частью контура «ощущение – анализ – действие». Дроны, наземные сенсоры и орбитальные группировки связывают в то, что инженеры всё чаще называют цифровой нервной системой планеты. В центре этой трансформации работают две инициативы. Tensorglobe от компании Vantor (наследницы Maxar Intelligence) строит «живой глобус» Земли для автономных систем и оборонных задач. А OlmoEarth, разработанный в Институте искусственного интеллекта имени Аллена (AI2), пытается сделать «ИИ для планеты» открытым инструментом для учёных, государств и НКО.

История Vantor началась с ребрендинга. Когда в Maxar пришёл директор по продукту Питер Вильчински, компания застряла в образе поставщика спутниковых снимков. Спутники были легендарными, клиенты — лояльными, но роль сводилась к одному: «мы делаем фотографии Земли». Осенью компания сменила название на Vantor и выделила космическое производство в отдельную структуру Lantaris. Новый Vantor сосредоточился исключительно на «интеллекте» и программном обеспечении, которое превращает потоки данных с датчиков в полезные выводы. Под руководством генерального директора Дэна Смута компания стала позиционировать себя как системного игрока, который связывает спутники, дроны и автономную технику в единую ткань пространственного интеллекта.

Сердце этой архитектуры — платформа Tensorglobe. Она объединяет данные с космоса, воздуха и земли в одну постоянно обновляемую 3D-модель планеты. Это уже не карта в привычном смысле, а «живой» цифровой макет мира, который автоматически перестраивается по мере поступления новых наблюдений. Если предшественник DigitalGlobe просто «оцифровывал» физический мир для человеческого глаза на экране, то Tensorglobe эволюционирует эту идею и делает модель пригодной не только людям, но и роботам и автономным системам, которым нужно ориентироваться в физической среде по цифровой «проекции».

Название здесь не случайно. В машинном обучении тензор — это базовая структура данных в нейросетях, многомерная матрица, где кодируются пространство и смысл. Tensorglobe задуман как глобус тензоров, в котором каждый квадратный метр Земли можно представить, проанализировать и сделать объектом запроса для алгоритмов. Спутниковый архив Vantor перерабатывается в огромные 3D-реконструкции местности: по словам Вильчински, компания уже строит трёхмерное покрытие для сотен миллионов квадратных километров. Алгоритмы совмещают снимки и радар, «сшивают» различия между источниками, превращая плоские пиксели в объёмные воксели. На выходе получается живая «кожа» планеты, которая способна почти в реальном времени показывать изменения инфраструктуры, лесов или передвижения войск.

Главная ставка Tensorglobe даже не в красивых 3D-картинках, а в инфраструктуре для автономии. Люди на лету достраивают объёмную картину по плоскому изображению, машины так не умеют. Vantor предлагает единый трёхмерный «слой реальности», по которому автономные системы могут ориентироваться, отслеживать изменения и принимать решения. Продукт Raptor, например, совмещает 3D-рельеф Vantor с изображением с камеры дрона, чтобы тот мог точно навигироваться и определять координаты даже при отсутствии сигнала GPS. Внутри Tensorglobe работают подсистемы Cortex, Forge и Nexus, которые повторяют классический цикл разведки: сбор данных, их обработка, анализ и выдача результатов в боевые сети или моделирующие среды вроде армейской One World Terrain. Платформа уже задействована в закрытых программах и становится частью цифровой оборонной инфраструктуры США.

От вопроса «что происходит сейчас» легко перейти к «что будет дальше», но здесь в Vantor осторожны. Вильчински напоминает, что первые глобальные модели мира в 1970-х годах уверенно предсказывали крах цивилизации к 2000 году, и все эти прогнозы не сбылись. Tensorglobe использует предсказательную аналитику более прагматично: система помогает аналитикам формализовать их экспертизу и искать повторяющиеся паттерны в данных. Для обороны и инфраструктуры это может быть распознавание фаз строительства объектов, для экологии и городского планирования — оценка изменения землепользования или нагрузки на ресурсы. Принцип в том, чтобы прогнозы можно было проверить и опровергнуть по реальным данным, а не превращать ИИ в очередную «чёрную коробку».

У OlmoEarth, второго героя этой истории, философия другая: максимальная открытость. Это семейство базовых мультимодальных моделей, которое AI2 обучает более чем на 10 терабайтах данных наблюдений Земли. В основе лежат vision transformer модели, обученные на оптике, радаре и дополнительных слоях вроде карт землепользования, сельхозугодий или высоты древесного покрова. В отличие от традиционных специализированных моделей для одной задачи, OlmoEarth учится широким представлениям о планете, которые можно адаптировать под самые разные сценарии с минимумом размеченных данных.

Уже есть показательный пример с инициативой Global Mangrove Watch, которая отслеживает состояние мангровых лесов. Команда дообучила одну из моделей OlmoEarth всего на 10 тысячах размеченных образцов вместо прежних 5,8 миллиона и получила более точный результат. В AI2 признаются, что для партнёров это стало настоящим «моментом ChatGPT» для работы с Землей — когда то, что раньше занимало годы, теперь занимает минуты.

Чтобы эти модели не остались игрушкой исследовательских лабораторий, AI2 строит вокруг них полноценную платформу OlmoEarth. Она повторяет тот же цикл «собрать, обработать, проанализировать, действовать», но с опорой на веб-интерфейсы и открытые API. В модуле Studio пользователи могут прямо в браузере загружать снимки, размечать выборки и дообучать модели без команды инженеров по машинному обучению. Viewer превращает результаты в интерактивные карты, где можно смотреть изменения по сезонам, сравнивать базовые уровни и видеть, как меняется уверенность модели при масштабировании. Модуль Run берёт на себя тяжёлую работу по запуску обучающих и расчётных задач в облаке, отслеживая все шаги для воспроизводимости. Через API и механизмы Projects предсказания OlmoEarth можно встраивать в существующие системы или делиться готовыми конфигурациями для задач вроде оценки риска лесных пожаров, прогнозирования потерь мангровых лесов или высокочастотного картирования посевов.

Открытость здесь не только в лозунгах, но и в устройстве. Код, предобученные веса и документация доступны для проверки и доработки, а не спрятаны за закрытой лицензией. Это позволяет исследователям и местным организациям не зависеть от крупных поставщиков, а строить свои суверенные аналитические стеки поверх общих открытых компонентов.

Практические эффекты уже заметны. Вместе с Лабораторией реактивного движения NASA AI2 обучает модели OlmoEarth оценивать влажность горючего материала — один из ключевых факторов риска возникновения лесных пожаров, комбинируя радарные и оптические данные с полевыми измерениями. В кенийском округе Нанди Международный институт продовольственной политики использует платформу для более частого обновления сельскохозяйственных карт, чтобы эффективнее распределять семена, удобрения и выездных специалистов. Global Mangrove Watch получает близкие к реальному времени обновления о потере и восстановлении прибрежных лесов, что позволяет реагировать на угрозы за часы, а не месяцы.

На первый взгляд Vantor и AI2 стоят на противоположных полюсах. Один мир — закрытых, суверенных систем для обороны и автономии, другой — открытых моделей для климата и гуманитарных задач. Но в сущности они решают один и тот же вопрос: как научить машины понимать планету. В обоих случаях всё держится на слиянии огромных объёмов разнородных данных, построении и постоянном обновлении моделей мира, превращении сырых потоков с датчиков в структурированные знания. Различается только режим управления и доступа.

Для Vantor пространственный интеллект — это вопрос национальной и операционной безопасности. Их платформы должны работать в суверенных облаках, в защищённых дата-центрах и в полностью изолированных средах. Для AI2, напротив, важно, чтобы «ИИ для Земли» оставался доступным, проверяемым и расширяемым, особенно для тех, у кого нет гигантских бюджетов и суперкомпьютеров. В итоге формируется двойная инфраструктура самой планеты: закрытая для командования и управления и открытая для совместного знания и кооперации.

По мере того как такие системы становятся основой автономии, возникает более глубокий вопрос на стыке философии и геополитики: кому принадлежит «объективная реальность», если она всё больше задаётся программным кодом и моделью, в которую мы подаём данные? Раньше суверенитет определялся линиями на бумажных картах. Теперь он постепенно смещается в область алгоритмов, которые решают, что именно показывать на карте и как это интерпретировать. Европейские программы вроде Copernicus и азиатские инициативы «цифровой Земли» отражают попытку государств контролировать не только сырые данные, но и вычислительные модели, которые придают этим данным смысл. Открытые модели вроде OlmoEarth дают возможность международным организациям строить собственные независимые аналитические контуры, а не полагаться на закрытые платформы нескольких стран и корпораций.

Во всех этих историях просматривается одна и та же идея: мир, который может наблюдать себя, понимать себя и действовать на основе этого понимания. Каждый сенсор — от дрона до радарного спутника — превращается в нейрон условного «планетарного мозга», каждое обновление модели в его импульс. Цифровая нервная система Земли уже не выглядит научной фантастикой — это инфраструктура, которая активно строится. Главная задача в том, чтобы она работала в интересах всех, а не только тех, кто первым научился её прокладывать.

И у Vantor, и у AI2 в конце концов звучит похожая мысль. По словам Вильчински, цель не в том, чтобы заменить человеческое суждение, а в том, чтобы усилить его. А инженер OlmoEarth Хантер Пителька подчёркивает, что «ИИ для Земли» нужен не ради автоматизации планеты, а ради того, чтобы дать как можно большему числу людей инструменты для её защиты. В этих двух принципах и заключается хрупкая надежда новой эпохи: что те же нейросетевые архитектуры, которые помогают нам детально картировать мир, помогут и понять его до того, как станет слишком поздно.