IBMとNASAが地理空間AIを再定義して気候課題に取り組む

気候変動が燃料を供給し、洪水、ハリケーン、干ばつ、野火などの気象災害が増加しているため、従来の災害対応方法は追いつくことができなくなっています。衛星技術、ドローン、リモートセンサーの進歩により、より良い監視が可能になりましたが、この重要なデータへのアクセスは、まだ少数の組織に限定されており、多くの研究者やイノベーターは必要なツールを持っていません。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。这些問題を解決するために、膨大なデータセットを実行可能な気候洞察に変換するためのスケーラブルで、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、巨大なデータを分析し、より正確で、予測的で、適切な予測を提供する可能性を持つ、登場しつつある技術です。この記事では、IBMとNASAの間で行われている、先進的で、よりアクセス可能な地理空間AIを開発するための画期的なコラボレーションについて説明します。

IBMとNASAが地理空間AIの基盤を先駆的に開発する理由

基盤モデル(FMs)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、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、FMs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、小規模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、時間とリソースを節約できます。これは、データセットの収集がコストのかかる場合や時間がかかる場合がある気候研究を加速するための強力なツールです。
さらに、FMsは、冗長な努力を減らして、特殊なアプリケーションの開発を容易にします。たとえば、FMがトレーニングされたら、自然災害の監視や土地利用の追跡などの下流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は必要ありません。ただし、初期のトレーニングプロセスには、数千時間のGPU時間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したら、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、FMsは、先進的な気象モデルをより広い聴衆にアクセス可能にします。以前は、複雑なインフラストラクチャをサポートするためのリソースを持つだけの機関のみがこれらのモデルを実行できました。ただし、事前トレーニングされたFMs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利用可能になり、より迅速な発見や革新的な環境ソリューションの新しい道が開けられました。

地理空間AIの基盤の創成

FMsの巨大な潜在性により、IBMとNASAは、地球の環境の包括的なFMを構築するために協力しています。このパートナーシップの主な目的は、研究者がNASAの地球データセットから効果的でアクセス可能な方法で洞察を抽出できるようにすることです。
この追求において、彼らは2023年8月に、地理空間データのためのFMを発表するという重要なブレークスルーを達成しました。このモデルは、ハーモナイズドランドサットセンチネル2（HLS）プログラムからの40年間の画像アーカイブで構成されるNASAの膨大な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を含む先進的なAI技術を使用して、地理空間データの大きなボリュームを効率的に処理します。IBMのクラウドベラスーパーコンピューターとワトソンミッション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よりも最大4倍高速にデータを分析し、トレーニングに必要なラベル付けされた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、この強力なツールが無料でHugging Face上で利用可能であり、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の基盤の進歩

この勢いを後押しするために、IBMとNASAは最近、別の画期的なオープンソースモデルFMであるプリズミWxCを発表しました。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FMは、従来の予測モデルよりも重大な進歩を提供します。
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、時系列の空間データをエンコードすることができます。時系列の注意メカニズムを組み込むことで、FMは、さまざまな観測ストリームを統合するMERRA-2再分析データを分析できます。モデルは、従来の気候モデルと同様の球面上で、または平面的なグリッド上で動作でき、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。
このユニークなアーキテクチャにより、プリズミは、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、ローカル天気予報から極端な気象イベントの予測まで、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。さらに、プリズミには、環境分析のためのより大きな精度を提供する2つのファインチューンバージョンが付属しています。モデルは、無料でhugging face上で利用可能です。

まとめ

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気候課題に対処しやすくしています。基盤モデルを開発することで、大きなデータセットを分析し、気象災害を予測して管理する能力を強化します。さらに重要なのは、これらの強力なツールを、以前はリソースの豊富な機関のみがアクセスできたものを、より広い聴衆にアクセス可能にします。这些先進的なAIモデルがより多くの人々にアクセス可能になると、気候変動に対してより効果的で責任ある方法で対応するための革新的なソリューションの道が開けられます。