تخيل أنك تحاول تعليم روبوت رسم كوكب الأرض بأكمله من الفضاء. قد تعتقد: "الأمر سهل! فقط أرِهِ مليون صورة لقطط، وسيارات، وغروب شمس، وسيتعلم كيف يرسم أي شيء". لكن هنا تكمن المشكلة: صور القطط تُلتقط من مستوى العين، مع منظور وظلال تجعل الأشياء تبية ثلاثية الأبعاد. أما صور الأقمار الصناعية، فتُلتقط من الأعلى مباشرة، مثل الخريطة؛ فهي لا تملك نفس "الشعور". إذا حاولت تعليم روبوت باستخدام صور القطط فقط، فسيصاب بالارتباك. قد يحاول رسم مدينة بخط أفق، أو يجعل الغابة تبدو مائلة، لأنه يحاول تطبيق قواعد "مستوى الأرض" على رؤية "عين الطائر". هذه هي المعضلة الكبيرة التي يحاول العلماء في مجال رصد الأرض (EO) حلها: كيف نبني ذكاءً اصطناعيًا يفهم الطبيعة الفريدة والمسطحة والدقيقة فيزيائيًا لصور الأقمار الصناعية دون أن يخدعه عادات التصوير الفوتوغرافي العادي؟

إليك GeoCore-9B، الفنان الرقمي الجديد الذي يرفض نسخ الطرق القديمة. بدلاً من محاولة التعلم من صور القطط ثم "ضبط نفسه"، تم تدريب هذا النموذج من الصفر — بدءًا من لوحة بيضاء — باستخدام 10 ملايين صورة حقيقية للأقمار الصناعية فقط. فكر فيه كطالب يتخطى حصة الفنون العامة ويذهب مباشرة إلى مدرسة متخصصة في رسم الخرائط. هذا العملاق الذي يمتلك 9 مليارات معلم (parameter) لا يخمن فقط كيف يبدو شكل المدينة؛ بل يعرف بالضبط أين تقع. يمكن إخباره: "ارسم مدينة كثيفة عند خط عرض وخط طول محددين، وبدقة أرضية معينة"، وسيطيع الأمر.

وجد الباحثون أنه من خلال تعليم النموذج الانتباه إلى الإحداثيات الواقعية والمقاييس الفيزيائية، فإنه ينشئ صورًا ليست جميلة فحسب، بل دقيقة جغرافيًا أيضًا. كما اكتشفوا حيلة ذكية لمساعدة النموذج على التعلم بشكل أسرع: استخدموا شبكة "معلم" (ذكاء اصطناًناعي خبير ومجمد يعرف بالفعل كيفية تمييز التضاريس) ليهمس بالتلميحات إلى الطالب أثناء التدريب. لم يجعل هذا النموذج النهائي أبطأ أو أثقل؛ بل جعل عملية التعلم أكثر تركيزًا بكثير. والنتيجة؟ يستطيع GeoCore-9B توليد مشاهد أقمار صناعية واقعية مذهلة، وإزالة السحب من الصور الضبابية، وحتى ترجمة صور الرادار (التي تبدو مثل الضجيج الساكن) إلى صور بصرية واضحة. وهذا يشير إلى أنه عندما نتوقف عن محاولة إجبار رصد الأرض على التكيف مع قالب التصوير الفوتوغرافي العادي، يمكننا بناء أدوات تفهم كوكبنا حقًا.

المشكلة: فخ "صورة القطط"

لفترة طويلة، تم تدريب أفضل نماذج الذكاء الاصطناعي لتوليد الصور على الموضوع المفضل للإنترنت: الصور الطبيعية للبشر والحيوانات والمناظر الطبيعية. هذه النماذج، مثل "Stable Diffusion" الشهير، بارعة في إنشاء الفن. ولكن عندما حاول العلماء استخدامها لتوليد صور الأقمار الصناعية، ساءت الأمور.

تخيل أنك تحاول تعليم كلب السباحة عبر إظهار صور للطيور له. قد يحاول الكلب رفرفة أذنيه أو الطيران بدلًا من التجديف. وبالمثل، كانت هذه النماذج "منحازة" للمنظور. فقد توقعت أن الأشياء يجب أن يكون لها أفق، وأن تُرى من زاوية، وأن يكون لها مقياس "عفوي" محدد. لكن صور الأقمار الصناعية هي صور أورثوغرافية (orthographic) — وهي رؤى مباشرة من الأعلى بدون أفق، حيث يبدو المنزل بنفس الحجم سواء كان في المقدمة أو في الخلفية.

عندما حاول الباحثون إجبار نماذج "الصور الطبيعية" هذه على رسم خرائط الأقمار الصناعية، كانت النتائج غريبة غالبًا. كان الذكاء الاصطناعي يرسم طرقًا تنحني نحو السماء أو مباني تبدو وكأنها تميل. كان يحاول تطبيق قواعد صورة على مستوى الشارع على خريطة من الفضاء. وتجادل الورقة البحثية بأن مجرد "الضبط الدقيق" (fine-tuning) لهذه النماذج الموجودة ليس كافيًا لأن "عقل" النموذج لا يزال يفكر من حيث القطط والسيارات، وليس القارات والمدن.

الحل: نموذج ولد من الفضاء

لإصلاح ذلك، بنى المؤلفون GeoCore-9B. هذا نموذج تأسيسي توليدي ضخم يمتلك 9 مليارات معلم. ما الفرق الجوهري؟ لم يتم تدريبه على مجموعة صور الإنترنت؛ بل تم تدريبه حصريًا على 10 ملايين صورة للأقمار الصناعية من مجموعة بيانات تسمى Git-10M.

فكر في GeoCore-9B كرسام خرائط لم يرَ قط صورة على مستوى الشارع. هو لا يعرف العالم إلا من الأعلى. لقد بُني على بنية جديدة تسمى Diffusion Transformer (DiT) باستخدام Flow Matching. بعبارة بسيطة، "الانتشار" (diffusion) يشبه البدء بسحابة من الضجيج الساكن ثم تصفيتها ببطء لتصبح صورة واضحة، خطوة بخطوة. و"مطابقة التدفق" (Flow Matching) هي طريقة أكثر سلاسة وكفاءة لتوجيه ذلك الضجيج إلى صورة واضحة، خاصة للنماذج الضخمة.

لكن النموذج الذي يعرف كيف يرسم فقط ليس كافيًا؛ بل يحتاج إلى معرفة أين يرسم. GeoCore-9B "واعٍ جغرافيًا". فهو يأخذ ثلاثة مدخلات خاصة إلى جانب الوصف النصي:

1. النص: ما تريد رؤيته (مثل "ميناء مزدحم").
2. مسافة العينة الأرضية (GSD): مدى تفصيل الصورة (مثل 1 متر لكل بكسل مقابل 32 مترًا لكل بكسل).
3. الإحداثيات: خط الطول وخط العرض الدقيقين.

يسمح هذا للنموذج بأن يقول: "حسنًا، تريد ميناءً؟ عند دقة 1 متر في نيويورك، سأرسم قوارب ورافعات صغيرة. ولكن عند دقة 32 مترًا في الصحراء الكبرى، سأرسم ساحلًا رمليًا واسعًا". إنه يكيف "ضربات فرشاته" بناءً على الواقع الفيزيائي للموقع.

السر: همس "المعلم"

تدريب نموذج بـ 9 مليارات معلم من الصفر أمر صعب للغاية. إنه يشبه محاولة تعليم طفل صغير لغة معقدة دون أي كتب؛ قد يعلق أو يبدأ في اختراع أشياء غير منطقية. لاحظ الباحثون أنه بدون مساعدة، كانت صور النموذج تبدو أحيانًا "مضطربة" أو ذات أنسجة مجزأة.

لحل هذه المشكلة، قدموا خسارة المحاذاة الدلالية الجغرافية (GSA loss). إليك التشبيه: تخيل أن الطالب (GeoCore-9B) يرسم خريطة. وبجانبه يجلس معلم مجمد (ذكاء اصطناعي متخصص يسمى DINOv3-Sat) وهو خبير في تمييز التضاريس ولكنه غير مسموح له بالرسم. ينظر المعلم إلى رسم الطالب ويهمس: "مهلًا، هذا النهر يبدو متعرجًا بعض الشيء؛ الأنهار الحقيقية أكثر سلاسة"، أو "هذه البقعة الحرجية مشتتة للغاية".

يستمع الطالب ويعدل رسمه ليتناسب مع تلميحات المعلم الهيكلية. ومن المهم أن هذا "المعلم" يُستخدم فقط خلال مرحلة التدريب. بمجرد أن يصبح الطالب جاهزًا، يتم إزالة المعلم. وهذا يعني أن النموذج النهائي سيكون بنفس سرعة وخفة وزن النموذج الذي تم تدريبه بدون معلم، ولكنه تعلم قواعد هيكلية أفضل بكثير. وتظهر الورقة أن هذه الحيلة حسنت جودة الصور المولدة بشكل كبير، مما جعل الطرق أكثر استقامة والمباني أكثر واقعية، دون إضافة أي تكلفة إضافية للمنتج النهائي.

ماذا يمكنه أن يفعل؟

اختبر المؤلفون GeoCore-9B بعدة طرق لمعرفة ما إذا كان مفيدًا حقًا، وليس مجرد مولد لصور جميلة.

1. توليد الصور من النصوص:
عندما طُلب منه رسم مشاهد بناءً على نصوص، تفوق GeoCore-9B على النماذج السابقة. بينما عانت نماذج الذكاء الاصطناعي الأخرى من ظهور عيوب غريبة (مثل منازل تطفو في السماء)، أنتج GeoCore-9B صورًا تبدو كصور أقمار صناعية حقيقية. استطاع التعامل مع مطالبات معقدة مثل "مدينة كثيفة مع بحيرات وقبة معدنية" وضبط التخطيط بشكل صحيح.

2. الوعي بالمقياس:
كانت واحدة من أكثر المهام إثارة للإعجاب هي قدرته على تغيير "مستوى الزوم" (التكبير) بناءً على الأمر. إذا طلبت دقة 1 متر، فإنه يرسم تفاصيل دقيقة مثل السيارات والأشجار الفردية. وإذا طلبت دقة 32 مترًا، فإنه يرسم أنماطًا واسعة مثل الحقول الكبيرة وكتل المدن. غالبًا ما ارتبكت النماذج السابقة، فرسمت سيارات صغيرة عند زوم منخفض أو أشجار ضخمة عند زوم عالٍ. أما GeoCore-9B فقد فهم فيزياء المقياس.

3. تحدي "بدون نص":
اختبر الباحثون النموذج حتى بدون إعطائه أي وصف نصي، فقط خطوط الطول والعرض. ومن المثير للدهشة أن GeoCore-9B استطاع لاحقًا توليد تضاريس دقيقة لذلك الموقع المحدد. إذا أعطيته إحداثيات الصحراء الكبرى، رسم كثبانًا رملية. وإذا أعطيته إحداثيات مدينة نيويورك، رسم ناطحات سحاب. هذا يثبت أن النموذج قد تعلم حقًا "الأولويات الجغرافية" للأرض، وليس مجرد حفظ أزواج النصوص والصور.

4. مهام الإنقاذ العملية:
لم يكن النموذج مخصصًا فقط لصنع صور جديدة؛ بل تم اختباره أيضًا في إصلاح مشاكل واقعية.

• إزالة السحب: غالبًا ما تحجب السحب كاميرات الأقمار الصناعية. استطاع GeoCore-9B النظر إلى صورة غائمة و"تخيل" (التنبؤ بـ) ما يبدو عليه الأرض تحتها، مما أدى لإزالة السحب وكشف الطرق والحقول بدقة عالية.
• الترجمة من الرادار (SAR) إلى البصري: صور الرادار (SAR) تبدو مثل الضجيج الساكن ويصعب على البشر قراءتها. استطاع GeoCore-9B أخذ صورة رادار مشوشة وترجمتها إلى صورة بصرية واضحة. وقد فعل ذلك بشكل أفضل من العديد من الأدوات المتخصصة المصممة لهذا الغرض.

الحكم النهائي

تشير الورقة البحثية إلى أن GeoCore-9B يضع معيارًا جديدًا لتوليد بيانات رصد الأرض. وهي تثبت أن تدريب نموذج ضخم من الصفر على بيانات الأقمار الصناعية، بدلاً من محاولة تكييف نماذج الصور الطبيعية، يؤدي إلى نتائج أفضل. النموذج ليس مجرد "لعبة" لصنع صور جميلة؛ بل يظهر إمكانات قوية لتطبيقات واقعية مثل مراقبة الكوارث، والتخطيط الحضري، والتتبع البيئي.

ومع ذلك، يلاحظ المؤلفون بحذر أن هذه مجرد نقطة انطلاق. فالنموذج يولد حاليًا صورًا ملونة (RGB) ويعتمد على "مشفر" (encoder) تم تصميمه في الأصل للصور الطبيعية. وهذا يعني أنه قد تكون هناك بعض القيود على مدى قدرته على الحفاظ بدقة على التفاصيل الصغيرة جدًا. كما يشيرون إلى أنه بينما يعد النموذج رائعًا في توليد الصور، فإننا بحاجة إلى الحذر من "التزييف العميق الجغرافي" — وهي الصور المزيفة التي تبدو واقعية للغاية لدرجة أنه يمكن استخدامها لنشر معلومات مضللة عن أماكن حقيقية.

باختصار، يعد GeoCore-9B قفزة هائلة للأمام. إنه المرة الأولى التي يتم فيها بناء نموذج بهذا الحجم خصيصًا لفهم الأرض من الفضاء، حيث يتعلم رسم كوكبنا ليس كمجموعة من الأشياء، بل كخريطة متماسكة ودقيقة جغرافيًا. وهو يشير إلى أن مستقبل رصد الأرض يكمن في النماذج التي تحترم الهندسة الفريدة لكوكبنا، بدلاً من محاولة حشرها في قالب "صورة سيلفي".