Ngày nay chúng ta đã có câu trả lời nhờ công trình của Xuequing Deng và các đồng nghiệp tại Đại học California. Họ đã huấn luyện một thuật toán machine-learning tạo ra một hình ảnh mặt đất đơn giản bằng cách nhìn vào một ảnh vệ tinh bên trên.
Công nghệ này dựa trên một hình thức trí thông minh máy được biết đến như hệ thống sáng tạo đối lập. Điều này cần đến hai mạng neural là điểm phát và bộ phân biệt.
Điểm phát tạo ra các hình ảnh mà bộ phân áp dụng vào một số tiêu chuẩn đã học, như cách tạo nên hình ảnh những đàn hươu cao cổ. Bằng cách sử dụng dữ liệu từ bộ phân, điểm phát dần học cách tạo ra các hình ảnh giống hươu cao cổ.
Trong trường hợp này, Deng và các đồng nghiệp lập trình điểm phân biệt sử dụng các hình ảnh thực cũng như các hình ảnh vệ tinh của thời điểm đó. Nhờ đó nó học cách liên kết các hình ảnh các tầng đất liện qua góc nhìn trên cao.
Dĩ nhiên, chất lượng của những dữ liệu này là quan trọng. Nhóm này sử dụng bản đồ mặt đất LCM2015, cho thấy tầm nhìn với độ phân giải 1 kilomet trên toàn lãnh thổ nước Anh. Tuy nhiên, nhóm này giới hạn lượng dữ liện xuống theo thang 71x71 kilomet bao gồm cả London và các vùng lân cận. Với mỗi điểm trên hệ thống, họ tải về một tầm nhìn mặt đất từ một kho dữ liệu trực tuyến mang tên Geograph.
Sau đó nhóm này lập trình điểm phân biệt với 16,000 cao cặp hình ảnh trên cao và mặt đất.
Bước tiếp theo là bắt đầu tạo ra những hình ảnh mặt đất. Máy phát được nạp vào một bộ gồm 4000 ảnh vệ tinh từ các vị trí cụ thể và phải tạo ra hình ảnh mặt đất tương ứng. Cả nhóm thử nghiệm hệ thống với 4000 ảnh trên cao và so sánh chúng với những hình ảnh mặt đất thực sự.
Kết quả nhận được khá thú vị. Mạng lưới xuất hình ảnh khá tốt mặc dù ảnh trên cao có chất lượng thấp. Những hình ảnh được tạo ra đã khắc họa được chất lượng hình ảnh mặt đất một cách cơ bản, như những con đường, nông thôn hay thành thị, và tương tự. "Những hình ảnh được tạo ra trông cũng khá tự nhiên, tuy nhiên chúng cũng thiếu khá nhiều chi tiết so với ảnh thực." Phát biểu bởi Deng và cộng sự.
Vậy công nghệ này hữu dụng đến mức nào? Một nhiệm vụ quan trọng cho các nhà địa lý là phải phân loại đất dựa trên cách sử dụng, ví dụ như nông thôn và thành thị.
Những hình ảnh mặt đất là rất quan trọng cho việc này. Tuy nhiên, cơ sở dữ liệu có sẵn có thể sẽ thiếu hụt, đặc biệt là với những vùng nông thôn, vì vậy các nhà địa lý sẽ phải nội suy giữa các hình ảnh, một phương phát vẫn tốt hơn đoán mò.
Hiện giờ Deng và các đồng nghiệp đang đưa ra một con đường hoàn toàn mới để quản lý sử dụng đất đai. Khi các nhà địa lý cần tầm nhìn mặt đất để xem bất kỳ vị trí nào, họ đơn giản chỉ cần tạo ra tầm nhìn với mạng lưới neural dựa trên hình ảnh vệ tinh.
Deng và cộng sự thậm chí còn so sánh giữa hai phương pháp - nội suy và phát hình ảnh. Kỹ thuật mới có vẻ như chỉ định đúng mục đích sử dụng đất tới 73% số lượt thử, trong khi phép nội suy chỉ chiếm có 65%.
Đó là một nghiên cứu thú vị có thể khiến cuốc sống của các nhà địa lý trở nên dễ dàng hơn rất nhiều. Nhưng Deng và các cộng sự có tham vọng lớn hơn. Họ hi vọng có thể cải thiện khả năng phát hình ảnh để trong tương lai nó sẽ tạo ra những hình ảnh mặt đất còn chi tiết hơn. Hẳn Leonardo da Vinci sẽ rất ấn tượng.
