Hogyan határozza meg újra az IBM és a NASA a térinformatikai mesterséges intelligenciát az éghajlati kihívások leküzdésére

Mint a klímaváltozás üzemanyagok Az egyre súlyosabb időjárási események, mint az árvizek, hurrikánok, aszályok és erdőtüzek, a hagyományos katasztrófaelhárítási módszerek nehezen tudnak lépést tartani. Míg a műholdas technológia, a drónok és a távoli szenzorok fejlődése jobb megfigyelést tesz lehetővé, ezekhez a létfontosságú adatokhoz való hozzáférés továbbra is néhány szervezetre korlátozódik, így sok kutató és innovátor a szükséges eszközök nélkül marad. A naponta generált térinformatikai adatok özöne szintén kihívást jelent – ​​túlterheli a szervezeteket, és megnehezíti az értelmes betekintést. E problémák megoldásához skálázható, hozzáférhető és intelligens eszközökre van szükség ahhoz, hogy a hatalmas adatkészleteket működőképes éghajlati betekintésekké alakítsák. Itt van térinformatikai AI létfontosságúvá válik – egy olyan feltörekvő technológia, amely képes nagy mennyiségű adat elemzésére, pontosabb, proaktívabb és időszerűbb előrejelzéseket biztosítva. Ez a cikk az IBM és a NASA közötti úttörő együttműködést tárja fel a fejlett, könnyebben hozzáférhető térinformatikai mesterséges intelligencia fejlesztése érdekében, amely szélesebb közönséget biztosít az innovatív környezetvédelmi és éghajlati megoldások előmozdításához szükséges eszközökkel.

Miért az IBM és a NASA úttörő a térinformatikai AI Alapítvány?

Alapozó modellek Az FM-ek új határt jelentenek az AI-ban, amelyeket arra terveztek, hogy tanuljanak hatalmas mennyiségű címkézetlen adatból, és betekintéseiket több területen is alkalmazzák. Ez a megközelítés számos alapvető előnnyel jár. A hagyományos mesterséges intelligencia modellekkel ellentétben az FM-ek nem támaszkodnak hatalmas, gondosan összeállított adatkészletekre. Ehelyett kisebb adatmintákon finomhangolhatnak, így időt és erőforrásokat is megtakaríthatnak. Ez hatékony eszközzé teszi őket az éghajlatkutatás felgyorsítására, ahol a nagy adatkészletek összegyűjtése költséges és időigényes lehet.

Ezenkívül az FM-ek egyszerűsítik a speciális alkalmazások fejlesztését, csökkentve a felesleges erőfeszítéseket. Például, miután egy FM-et betanítottak, számos későbbi alkalmazáshoz adaptálható, mint például a természeti katasztrófák megfigyelésére vagy a földhasználat nyomon követésére anélkül, hogy kiterjedt átképzésre lenne szükség. Bár a kezdeti betanítási folyamat jelentős számítási teljesítményt igényelhet, amely több tízezer GPU-órát igényel. Ha azonban betanították őket, a következtetések lefuttatása mindössze perceket vagy akár másodperceket vesz igénybe.

Ezenkívül az FM-ek a fejlett időjárási modelleket szélesebb közönség számára is elérhetővé tehetik. Korábban csak olyan jól finanszírozott intézmények működtethették ezeket a modelleket, amelyek rendelkeztek a komplex infrastruktúra támogatásához szükséges forrásokkal. Az előre kiképzett FM-ek térnyerésével azonban az éghajlatmodellezés a kutatók és innovátorok szélesebb csoportja számára elérhető, új utakat nyitva a gyorsabb felfedezések és az innovatív környezetvédelmi megoldások előtt.

A térinformatikai AI alapításának keletkezése

Az FM-ekben rejlő hatalmas lehetőségek arra késztették az IBM-et és a NASA-t, hogy együttműködjenek a Föld környezetének átfogó FM-jének kialakításában. Ennek a partnerségnek a fő célja, hogy lehetővé tegye a kutatók számára, hogy hatékony és hozzáférhető módon nyerjenek betekintést a NASA kiterjedt földi adatkészleteiből.

E törekvésükben jelentős áttörést érnek el 2023 augusztusában egy úttörő eszköz bemutatásával. FM térinformatikai adatokhoz. Ezt a modellt a NASA hatalmas műholdas adatkészletén képezték ki, amely egy 40 éves archívumot tartalmaz a Harmonizált Landsat Sentinel-2 (HLS) program. Fejlett mesterséges intelligencia technikákat használ, beleértve a transzformátor architektúrákat is, hogy hatékonyan dolgozzon fel jelentős mennyiségű térinformatikai adatot. Használatával fejlesztették ki Az IBM Cloud Vela szuperszámítógépe és a watsonx FM verem, a HLS-modell akár négyszer gyorsabban is képes elemezni az adatokat, mint a hagyományos mély tanulási modellek, miközben lényegesen kevesebb címkézett adatkészletre van szükség a betanításhoz.

Ennek a modellnek a lehetséges alkalmazásai széleskörűek, a földhasználat változásaitól és a természeti katasztrófáktól a terméshozamok előrejelzéséig terjednek. Fontos, hogy ez a hatékony eszköz szabadon használható elérhető az Hugging Face-n, amely lehetővé teszi a kutatók és az újítók számára, hogy világszerte kihasználják képességeiket, és hozzájáruljanak az éghajlat- és környezettudomány fejlődéséhez.

A térinformatikai mesterséges intelligencia alapításának fejlődése

Erre a lendületre építve az IBM és a NASA a közelmúltban egy másik úttörő, nyílt forráskódú FM modellt mutatott be: Prithvi WxC. Ez a modell a rövid távú időjárási kihívások és a hosszú távú éghajlati előrejelzések kezelésére készült. Előképzett a NASA 40 éves Föld-megfigyelési adatainak a Modern-Era Retrospective Analytics for Research and Applications, 2. verziójából (MERRA-2), az FM jelentős előrelépéseket kínál a hagyományos előrejelzési modellekhez képest.

A modellt a látó transzformátor és egy maszkolt autoencoder, amely lehetővé teszi a térbeli adatok időbeli kódolását. Beépítésével a időbeli figyelem mechanizmusa, az FM képes elemezni a MERRA-2 újraelemzési adatait, amely különféle megfigyelési folyamokat integrál. A modell egyaránt működhet gömb alakú felületen, mint a hagyományos klímamodellek, és lapos, téglalap alakú rácson, lehetővé téve a globális és a regionális nézet közötti váltást anélkül, hogy elveszítené a felbontást.

Ez az egyedülálló architektúra lehetővé teszi a Prithvi finomhangolását globális, regionális és helyi szinten, miközben egy szabványos asztali számítógépen másodpercek alatt fut. Ez az FM-modell számos alkalmazáshoz használható, beleértve a helyi időjárás előrejelzését a szélsőséges időjárási események előrejelzéséig, a globális klímaszimulációk térbeli felbontásának javításához és a fizikai folyamatok hagyományos modellekben történő megjelenítésének finomításához. Ezenkívül a Prithvi kettővel érkezik finomhangolt speciális tudományos és ipari felhasználásra tervezett változatok, amelyek még nagyobb pontosságot biztosítanak a környezeti elemzéshez. A modell szabadon elérhető átölelő arcon.

A lényeg

Az IBM és a NASA partnersége újradefiniálja a térinformatikai mesterséges intelligenciát, megkönnyítve a kutatók és az újítók számára a sürgető éghajlati kihívások kezelését. A nagy adatkészletek hatékony elemzésére alkalmas alapmodellek kifejlesztésével ez az együttműködés javítja a súlyos időjárási események előrejelzését és kezelését. Ennél is fontosabb, hogy szélesebb közönség számára nyitja meg az ajtót, hogy hozzáférhessen ezekhez a hatékony eszközökhöz, amelyek korábban csak a jól finanszírozott intézményekre korlátozódtak. Ahogy ezek a fejlett mesterséges intelligencia modellek egyre több ember számára elérhetővé válnak, utat nyitnak olyan innovatív megoldások előtt, amelyek segítségével hatékonyabban és felelősségteljesebben reagálhatunk az éghajlatváltozásra.