IBM と NASA が気候問題に取り組むために地理空間 AI を再定義する方法

気候変動により 燃料 洪水、ハリケーン、干ばつ、山火事など、ますます深刻化する気象現象に、従来の災害対応方法では対応しきれなくなっています。衛星技術、ドローン、リモートセンサーの進歩により監視は向上していますが、この重要なデータへのアクセスは少数の組織に限られており、多くの研究者やイノベーターが必要なツールを利用できないままになっています。毎日生成される膨大な地理空間データも課題となっており、組織を圧倒し、有意義な洞察を引き出すのが難しくなっています。これらの問題に対処するには、膨大なデータセットを実用的な気候洞察に変換するための、拡張可能でアクセスしやすくインテリジェントなツールが必要です。 地理空間AI 大量のデータを分析し、より正確で先を見越したタイムリーな予測を提供する可能性を秘めた新興テクノロジーが不可欠になります。この記事では、IBM と NASA の画期的なコラボレーションについて取り上げ、高度でよりアクセスしやすい地理空間 AI を開発し、革新的な環境および気候ソリューションを推進するために必要なツールを幅広いユーザーに提供することを目指します。

IBMとNASAが基盤地理空間AIの先駆者となっている理由

基礎モデル (FM) は AI の新たなフロンティアであり、膨大な量のラベルなしデータから学習し、その洞察を複数のドメインに適用するように設計されています。このアプローチにはいくつかの重要な利点があります。従来の AI モデルとは異なり、FM は大規模で入念にキュレーションされたデータセットに依存しません。代わりに、より小さなデータ サンプルで微調整できるため、時間とリソースの両方を節約できます。これにより、大規模なデータセットの収集にはコストと時間がかかる可能性がある気候研究を加速するための強力なツールになります。

さらに、FM は特殊なアプリケーションの開発を効率化し、冗長な作業を削減します。たとえば、FM を一度トレーニングすると、大規模な再トレーニングを必要とせずに、自然災害の監視や土地利用の追跡など、いくつかの下流アプリケーションに適応できます。最初のトレーニング プロセスでは、数万時間の GPU を必要とするなど、かなりの計算能力が必要になる場合があります。ただし、一度トレーニングすると、推論中に実行するのに数分または数秒しかかかりません。

さらに、FM により、高度な気象モデルをより幅広いユーザーが利用できるようになります。以前は、複雑なインフラストラクチャをサポートできるリソースを備えた資金力のある機関のみがこれらのモデルを実行できました。しかし、事前トレーニング済みの FM の登場により、気候モデリングはより幅広い研究者やイノベーターの手に届くようになり、より迅速な発見と革新的な環境ソリューションへの新たな道が開かれました。

Foundation Geospatial AI の誕生

FM の大きな可能性により、IBM と NASA は地球環境の包括的な FM の構築に協力するようになりました。このパートナーシップの主な目的は、研究者が NASA の広範な地球データセットから効果的かつアクセスしやすい方法で洞察を引き出せるようにすることです。

この追求において、彼らは2023年XNUMX月に先駆的な 地理空間データ用のFMこのモデルはNASAの膨大な衛星データセットで訓練され、40年分の画像アーカイブから構成されています。 統合ランドサットセンチネル2 (HLS) プログラム。トランスフォーマーアーキテクチャを含む高度なAI技術を使用して、大量の地理空間データを効率的に処理します。 IBMのCloud Velaスーパーコンピューター および watsonx FM スタックを使用すると、HLS モデルは従来のディープラーニング モデルよりも最大 4 倍高速にデータを分析できると同時に、トレーニングに必要なラベル付きデータセットが大幅に少なくなります。

このモデルの潜在的な応用範囲は、土地利用の変化や自然災害の監視から作物の収穫量の予測まで多岐にわたります。重要なのは、この強力なツールは無料で利用できることです。 利用できます Hugging Face では、世界中の研究者やイノベーターがその機能を活用し、気候および環境科学の進歩に貢献できるようにしています。

基礎地理空間AIの進歩

この勢いに乗って、IBM と NASA は最近、もう 1 つの画期的なオープン ソース モデル FM を導入しました。 プリスヴィ WxCこのモデルは、短期的な気象課題と長期的な気候予測の両方に対応するように設計されています。研究と応用のための現代回顧分析バージョン40（メラ-2)、FM は従来の予測モデルに比べて大幅な進歩を遂げています。

このモデルは、 ビジョントランスフォーマー フォルダーとその下に マスクオートエンコーダ空間データを時間経過とともにエンコードすることを可能にする。 時間的注意メカニズムFM は、さまざまな観測ストリームを統合した MERRA-2 再解析データを解析できます。このモデルは、従来の気候モデルのような球面と、平面の長方形グリッドの両方で動作できるため、解像度を落とさずにグローバル ビューと地域ビューを切り替えることができます。

この独自のアーキテクチャにより、Prithvi は標準的なデスクトップ コンピュータで数秒で実行しながら、地球規模、地域規模、およびローカル規模で微調整できます。この FM モデルは、地域的な天気予報から極端な気象現象の予測、地球規模の気候シミュレーションの空間解像度の向上、従来のモデルにおける物理プロセスの表現の改良など、さまざまなアプリケーションに使用できます。さらに、Prithvi には 2 つの機能があります。 微調整 特定の科学および産業用途向けに設計されたバージョンでは、環境分析の精度がさらに向上します。モデルは自由に 利用できます 抱きしめる顔に。

ボトムライン

IBM と NASA のパートナーシップは地理空間 AI を再定義し、研究者やイノベーターが差し迫った気候問題に取り組みやすくします。大規模なデータセットを効果的に分析できる基盤モデルを開発することで、このコラボレーションは悪天候を予測し管理する能力を高めます。さらに重要なことは、これまでは十分なリソースを持つ機関に限定されていたこれらの強力なツールに、より幅広いユーザーがアクセスできるようになることです。これらの高度な AI モデルがより多くの人々に利用できるようになると、気候変動に効果的かつ責任を持って対応できる革新的なソリューションへの道が開かれます。