Jak IBM a NASA předefinují geoprostorovou umělou inteligenci, aby se vypořádaly s klimatickými výzvami

Jako změna klimatu paliva stále závažnější povětrnostní jevy, jako jsou povodně, hurikány, sucha a požáry, se tradiční metody reakce na katastrofy snaží udržet krok. Zatímco pokrok v satelitní technologii, dronech a vzdálených senzorech umožňuje lepší monitorování, přístup k těmto důležitým datům zůstává omezen na několik organizací, takže mnoho výzkumných pracovníků a inovátorů nemá potřebné nástroje. Záplava geoprostorových dat, která se denně generuje, se také stala výzvou – zahltila organizace a ztížila získávání smysluplných poznatků. K vyřešení těchto problémů jsou zapotřebí škálovatelné, dostupné a inteligentní nástroje, které přemění rozsáhlé soubory dat na použitelné poznatky o klimatu. Toto je místo geoprostorová AI se stává životně důležitou – vznikající technologie, která má potenciál analyzovat velké objemy dat a poskytovat přesnější, proaktivnější a včasnější předpovědi. Tento článek se zabývá průkopnickou spoluprací mezi IBM a NASA na vývoji pokročilé a dostupnější geoprostorové umělé inteligence, která umožňuje širšímu publiku nástroje nezbytné pro řízení inovativních ekologických a klimatických řešení.

Proč jsou IBM a NASA průkopníky nadace Geoprostorové umělé inteligence

Modely základů (FM) představují novou hranici v AI, která je navržena tak, aby se učila z obrovského množství neoznačených dat a aplikovala své poznatky ve více doménách. Tento přístup nabízí několik klíčových výhod. Na rozdíl od tradičních modelů umělé inteligence se FM nespoléhají na masivní, pečlivě upravované soubory dat. Místo toho mohou doladit menší vzorky dat, čímž šetří čas i zdroje. To z nich dělá mocný nástroj pro urychlení výzkumu klimatu, kde shromažďování velkých souborů dat může být nákladné a časově náročné.

FM navíc zjednodušují vývoj specializovaných aplikací a snižují nadbytečné úsilí. Například, jakmile je FM vyškolen, může být přizpůsoben několika následným aplikacím, jako je monitorování přírodních katastrof nebo sledování využití půdy, aniž by vyžadoval rozsáhlé přeškolování. I když počáteční tréninkový proces může vyžadovat značný výpočetní výkon, který vyžaduje desítky tisíc hodin GPU. Jakmile jsou však vycvičeni, jejich spuštění během vyvozování trvá pouhé minuty nebo dokonce sekundy.

Kromě toho by FM mohly zpřístupnit pokročilé modely počasí širšímu publiku. Dříve mohly tyto modely provozovat pouze dobře financované instituce se zdroji na podporu komplexní infrastruktury. S nárůstem předem vyškolených FM je však nyní modelování klimatu na dosah pro širší skupinu výzkumníků a inovátorů, což otevírá nové cesty pro rychlejší objevy a inovativní environmentální řešení.

The Genesis of Foundation Geospatial AI

Obrovský potenciál FM vedl IBM a NASA ke spolupráci na vybudování komplexního FM prostředí Země. Hlavním cílem tohoto partnerství je umožnit výzkumníkům získávat poznatky z rozsáhlých datových souborů NASA o Zemi způsobem, který je účinný a dostupný.

V tomto úsilí dosáhli významného průlomu v srpnu 2023 odhalením průkopnického FM pro geoprostorová data. Tento model byl trénován na rozsáhlém satelitním datovém souboru NASA, který obsahuje 40letý archiv snímků z družice Harmonizovaný Landsat Sentinel-2 (HLS) naprogramovat. Využívá pokročilé techniky umělé inteligence, včetně architektur transformátorů, k efektivnímu zpracování značných objemů geoprostorových dat. Vyvinuto pomocí Superpočítač Cloud Vela od IBM a Watsonx FM stack dokáže model HLS analyzovat data až čtyřikrát rychleji než tradiční modely hlubokého učení, přičemž pro trénování vyžaduje podstatně méně označených datových sad.

Potenciální aplikace tohoto modelu jsou rozsáhlé, od monitorování změn ve využívání půdy a přírodních katastrof až po předpovídání výnosů plodin. Důležité je, že tento mocný nástroj je zdarma dostupný na Hugging Face, což umožňuje výzkumníkům a inovátorům na celém světě využít jeho schopnosti a přispět k pokroku vědy o klimatu a životním prostředí.

Pokroky v Foundation Geospatial AI

Na základě této dynamiky IBM a NASA nedávno představily další průkopnický model FM s otevřeným zdrojovým kódem: Prithvi WxC. Tento model je navržen tak, aby řešil jak krátkodobé výzvy počasí, tak dlouhodobé předpovědi klimatu. Předtrénováno na 40 letech dat NASA z pozorování Země z retrospektivní analýzy Modern-Era pro výzkum a aplikace, verze 2 (MERRA-2), FM nabízí významný pokrok oproti tradičním prognostickým modelům.

Model je postaven pomocí a transformátor vidění a maskovaný autokodér, což mu umožňuje kódovat prostorová data v průběhu času. Začleněním a mechanismus časové pozornostiFM může analyzovat data z reanalýzy MERRA-2, která integruje různé pozorovací proudy. Model může fungovat jak na kulovém povrchu, jako tradiční klimatické modely, tak na ploché, obdélníkové mřížce, což mu umožňuje přepínat mezi globálním a regionálním zobrazením bez ztráty rozlišení.

Tato jedinečná architektura umožňuje, aby Prithvi bylo vyladěno napříč globálním, regionálním a místním měřítkem, zatímco běží na standardním stolním počítači během několika sekund. Tento model FM lze použít pro řadu aplikací včetně předpovědi místního počasí až po předpovídání extrémních jevů počasí, zlepšení prostorového rozlišení simulací globálního klimatu a zpřesnění reprezentace fyzikálních procesů v konvenčních modelech. Navíc Prithvi přichází se dvěma vyladěný verze navržené pro specifické vědecké a průmyslové použití, poskytující ještě větší přesnost pro analýzu životního prostředí. Model je volně dostupný na objímání obličeje.

Bottom Line

Partnerství IBM a NASA nově definuje geoprostorovou umělou inteligenci, což výzkumníkům a inovátorům usnadňuje řešit naléhavé klimatické výzvy. Díky vývoji základních modelů, které dokážou efektivně analyzovat velké soubory dat, tato spolupráce zlepšuje naši schopnost předvídat a zvládat nepříznivé počasí. Ještě důležitější je, že otevírá dveře širšímu publiku k přístupu k těmto výkonným nástrojům, dříve omezeným na dobře vybavené instituce. Vzhledem k tomu, že se tyto pokročilé modely umělé inteligence stávají přístupnými pro více lidí, dláždí cestu pro inovativní řešení, která nám mohou pomoci účinněji a zodpovědněji reagovat na změnu klimatu.