世界を埋め込む：大規模な検索可能な航空画像のためのマルチモーダルAI

空から見た世界を、もっと賢く検索できるようになるかもしれません。このブログ記事では、まるでSFのような技術について、分かりやすく解説しています。私たちが普段使っている地図アプリも、実はたくさんの情報が詰まった「空撮写真」の上に成り立っています。でも、これらの写真の中から「あの公園はどこかな？」とか「あの建物はどんな形だったかな？」と、ピンポイントで探すのは、とても大変ですよね。

そこで登場するのが、AI（人工知能）の力です。この技術は、空撮写真と、その写真に写っている場所の名前や説明といった「言葉」をセットで理解する、まるで「マルチモーダルAI」と呼ばれる賢いAIを使います。例えるなら、写真を見て「これは猫だね」と分かるだけでなく、「この猫はふわふわで、茶色い模様があるね」という説明まで一緒に覚えられるようなイメージです。

このAIを使うと、空撮写真の膨大なデータの中から、私たちが探したい場所を、言葉で検索できるようになります。例えば、「赤い屋根の家がたくさん集まっている地域」といった、あいまいな表現でも、AIが写真の中から該当する場所を見つけ出してくれるのです。

記事では、このすごい技術をどうやって実現したのか、その仕組みも解説されています。Amazonが提供する「Amazon Bedrock」というAIサービスと、「Amazon OpenSearch Serverless」という、大量のデータを速く検索できるシステムを組み合わせて使っています。さらに、写真に写っている場所が本当に正しいのかを確かめるための工夫や、AIが写真と言葉をどうやって結びつけるかの色々な方法を試した実験についても触れられています。まるで、地図を作るための新しい「設計図」を見ているような感覚です。

この技術がもっと進化すれば、災害時の被害状況の把握や、都市開発の計画、さらには観光地のリサーチなど、様々な分野で役立つことが期待されます。空を見上げたときに広がる世界が、AIの力でもっと便利に、もっと分かりやすくなる未来が、すぐそこまで来ているのかもしれません。