IBMとNASAが地理空間AIを再定義する方法

気候変動が燃料として機能し、洪水、ハリケーン、干ばつ、野火などの気象災害が増加するにつれて、伝統的な災害対応方法は追いつかない状況に陥っています。衛星技術、ドローン、リモートセンサーの進歩により、モニタリングが改善されましたが、この重要なデータへのアクセスは、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、少数の組織に限定されています。毎日生成される地理空間データの洪水は、組織を圧倒し、有意義な洞察を抽出することをより困難にしました。这些問題に対処するために、膨大なデータセットをアクション可能な気候洞察に変えるために、スケーラブルでアクセス可能でインテリジェントなツールが必要です。これが地理空間AIが重要となる理由です。地理空間AIは、膨大な量のデータを分析し、より正確で予測的でタイムリーな予測を提供する可能性を持つ、登場する技術です。この記事では、IBMとNASAが共同で開発している、よりアクセス可能な地理空間AIの基礎となる革新的なコラボレーションを探ります。

IBMとNASAが地理空間AIの基礎を築く理由

基礎モデル(FM)は、AIの新しいフロンティアを表し、膨大な量のラベル付けされていないデータから学び、複数のドメインにわたる洞察を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は大量の手作業で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ファインチューニングできます。つまり、時間とリソースの両方を節約できます。これは、データセットの収集がコストがかかり、時間がかか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、専用アプリケーションの開発を簡素化し、冗長な努力を削減します。例えば、FMが一度トレーニングされると、自然災害のモニタリングや土地利用の追跡などの複数のダウンストリームアプリケーションに適応できるため、広範な再トレーニングが不要になります。ただし、初期のトレーニングプロセスには、数万時間のGPUが必要になる可能性があります。ただし、トレーニングが完了すると、推論中に実行するには数分または数秒しかかかりません。

さらに、FMは、高度な気象モデルのアクセスをより広いオーディエンスに提供できます。以前は、これらのモデルを実行できるのは、複雑なインフラストラクチャをサポートするリソースを持つ機関のみでした。ただし、事前トレーニングされたFMの出現により、気候モデリングは、より広範な研究者やイノベーターにとって実行可能なものになりました。これにより、気候変動に対処するための新しい発見や革新的な環境ソリューションが可能になります。

地理空間AIの基礎

FMの巨大な潜在能力により、IBMとNASAは地球の環境のための包括的なFMを構築するためのコラボレーションを開始しました。このパートナーシップの主な目的は、NASAの地球データセットから洞察を抽出するための効果的でアクセス可能な方法を研究者に提供することです。

この目標を達成するために、2023年8月に地理空間データのための開拓的なFMを発表しました。このモデルは、ハーモナイズされたランドサット・セントネル2（HLS）プログラムからの40年間の衛星データセットでトレーニングされました。トランスフォーマーアーキテクチャなどの高度なAI技術を使用して、地理空間データの大容量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とWatsonx FMスタックを使用して開発されたHLSモデルは、従来のディープラーニングモデルと比較して、データを最大4倍の速度で分析し、トレーニングに必要なラベル付きデータセットを大幅に削減できます。

このモデルの潜在的な応用は広範囲にわたり、土地利用の変化や自然災害のモニタリング、作物の収穫量の予測などがあります。重要なのは、この強力なツールがHugging Faceで無料で提供されており、世界中の研究者やイノベーターがその機能を利用して気候や環境科学の進歩に貢献できることです。

地理空間AIの進歩

この勢いを維持して、IBMとNASAは、天候と気候のアプリケーション向けにオープンソースのAIモデルPrithvi WxCを最近導入しました。このモデルは、短期的な天候の課題と長期的な気候予測の両方に対処するように設計されています。NASAの地球観測データ40年分のMERRA-2で事前トレーニングされたこのモデルは、従来の予測モデルと比較して重大な進歩を提供します。

このモデルは、ビジョントランスフォーマーとマスク付きオートエンコーダーを使用して構築されており、時間経過とともに空間データをエンコードすることができます。時間的注意メカニズムを組み込むことで、MERRA-2のリアナリゼーションデータを分析できます。これは、さまざまな観測ストリームを統合します。モデルは、従来の気候モデルと同じ球面表面や平面グリッドで動作でき、グローバルと地域のビューを切り替えることができます。

このユニークなアーキテクチャにより、Prithviはグローバル、地域、ローカルスケールでファインチューニングできますが、標準のデスクトップコンピューターで数秒で実行できます。このFMモデルは、ローカル天候の予測から極端な天候イベントの予測、グローバル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善など、さまざまなアプリケーションに使用できます。また、Prithviには、特定の科学的および産業用途向けにファインチューニングされた2つのバージョンが付属しており、環境分析の精度をさらに高めています。モデルは、Hugging Faceで無料で提供されています。

結論

IBMとNASAのパートナーションは、地理空間AIを再定義し、研究者やイノベーターが気候課題に対処することを容易にします。基礎モデルを開発することで、重大な気象イベントの予測と管理を強化します。さらに、以前は豊富なリソースを持つ機関に限定されていた強力なツールへのアクセスを、より広いオーディエンスに提供します。これらの高度なAIモデルがより多くの人々にアクセス可能になるにつれて、気候変動に対処するための革新的なソリューションが可能になり、気候変動に対する対応がより効果的で責任あるものになります。