IBM과 NASA가 기후 도전 과제를 해결하기 위해 지리공간 AI를 재정의하는 방법

기후 변화가洪水, 허리케인, 가뭄, 산불과 같은 점점 더 심각한 기상 사건을유발함에 따라 전통적인 재난 대응 방법은 따라가기 위해 고군분투하고 있습니다. 위성 기술, 드론, 원격 센서의 발전은 더 나은 모니터링을 가능하게 하지만 이러한 중요한 데이터에 대한 접근은 몇몇 조직에만 제한되어 있으며 많은 연구자와 혁신가들은 필요한 도구를 사용하지 못하고 있습니다. 매일 생성되는 지리공간 데이터의 홍수는 또한 하나의 도전과제가 되었습니다. 조직을 압도하고 의미 있는 통찰력을 추출하는 것을 더 어렵게 만들었습니다. 이러한 문제를 해결하기 위해 대규모 데이터셋을 작동 가능한 기후 통찰력으로 변환하기 위한 확장 가능하고 접근 가능하며 지능형 도구가 필요합니다. 여기서 지리공간 AI가 필수적입니다. 대규모 데이터를 분석할 수 있는 잠재력을 갖춘 새로운 기술로 더 정확하고 예방적이며 적절한 예측을 제공할 수 있습니다. 이 기사에서는 기후와 환경 솔루션을 구동하기 위한 필요한 도구로 더 넓은 대중을 강화하기 위해 지리공간 AI를 개발하기 위한 IBM과 NASA의 개척적 협력을 탐구합니다.

IBM과 NASA가 기초 지리공간 AI를 개척하는 이유

기초 모델(FMs)은 AI의 새로운 전선을 나타내며 광범위한 비레이블 데이터에서 학습하고 여러 도메인에 대한 통찰력을 적용할 수 있습니다. 이 접근 방식은 몇 가지 주요 이점을 제공합니다. 전통적인 AI 모델과는 달리 FMs는大量의 고통스럽게 큐레이션된 데이터셋에 의존하지 않습니다. 대신 더 작은 데이터 샘플에서 미세 조정할 수 있으므로 시간과 자원을節約할 수 있습니다. 이것은 기후 연구를 가속화하는 강력한 도구로 작용합니다. 여기서 대규모 데이터셋을 수집하는 것은 비용이 많이 들고 시간이 많이 걸릴 수 있습니다.
또한 FMs는 전문 응용 프로그램의 개발을 간소화하여 중복 노력을 줄입니다. 예를 들어, 한 번 FM이 훈련되면 재훈련 없이도 자연 재해를 모니터링하거나 토지 이용을 추적하는 것과 같은 여러 하위 스트림 응용 프로그램에 적응할 수 있습니다. 초기 훈련 과정은大量의 컴퓨팅 파워를 필요로 할 수 있으므로 수만 개의 GPU 시간이 필요할 수 있습니다. 그러나 한 번 훈련되면 추론 중에 실행하는 데 몇 분 또는 몇 초가 걸릴 뿐입니다.
또한 FMs는 고급 날씨 모델을 더 넓은 대중에게 접근 가능하게 할 수 있습니다. 이전에는 복잡한 인프라를 지원할 수 있는 자원을 갖춘 기관만이 이러한 모델을 실행할 수 있었습니다. 그러나 사전 훈련된 FMs의 출현으로 기후 모델링은 더 넓은 연구자와 혁신가 그룹에게 접근 가능해졌습니다. 이는 더 빠른 발견과 혁신적인 환경 솔루션을 위한 새로운 경로를 열어줍니다.

기초 지리공간 AI의 기원

FMs의 광범위한 잠재력은 IBM과 NASA가 지구 환경에 대한 포괄적인 FM을 구축하기 위해 협력하도록 이끌었습니다. 이 파트너십의 주요 목표는 연구자가 NASA의 광범위한 지구 데이터셋에서 통찰력을 효과적이고 접근 가능한 방식으로 추출할 수 있도록 하는 것입니다.
이 추구에서 그들은 2023년 8월에 개척적인 FM을 위한 지리공간 데이터를 공개하면서 중요한 돌파구를 달성했습니다. 이 모델은 NASA의 광범위한 위성 데이터셋을 훈련시켰으며 Harmonized Landsat Sentinel-2 (HLS) 프로그램의 40년간의 이미지 아카이브를 포함합니다. 그것은 변압기 아키텍처를 포함한 고급 AI 기술을 사용하여大量의 지리공간 데이터를 효율적으로 처리합니다. IBM의 Cloud Vela 슈퍼컴퓨터와 watsonx FM 스택을 사용하여 개발된 HLS 모델은 전통적인 딥 러닝 모델보다 최대 4배 빠르게 데이터를 분석할 수 있으며 훈련을 위해 훨씬 적은 레이블이 지정된 데이터셋이 필요합니다.
이 모델의 잠재적인 응용 프로그램은 토지 이용 변경과 자연 재해를 모니터링에서 작물 수확을 예측까지 광범위합니다. 중요하게는 이 강력한 도구가 무료로 Hugging Face에서 제공되므로 전 세계의 연구자와 혁신가가 그 기능을 사용하고 기후 및 환경 과학의 발전에 기여할 수 있습니다.

기초 지리공간 AI의 발전

이 모멘텀을 기반으로 IBM과 NASA는 최근에 또 다른 개척적인 오픈 소스 모델 FM을 출시했습니다. Prithvi WxC. 이 모델은 단기 기상 도전 과제와 장기 기후 예측을 모두 해결하도록 설계되었습니다. NASA의 지구 관측 데이터 40년을 사용하여 훈련된 MERRA-2의 현대적 재분석을 위해 연구 및 응용을 위한 MERRA-2, 이 FM은 전통적인 예측 모델보다重大な 발전을 제공합니다.
이 모델은 비전 트랜스포머와 마스크된 오토인코더를 사용하여 시간에 따라 공간 데이터를 인코딩할 수 있습니다. 시간적 주의 메커니즘을 통합함으로써 FM은 여러 관측 스트림을 통합하는 MERRA-2 재분석 데이터를 분석할 수 있습니다. 이 모델은 전통적인 기후 모델과 같이 구형 표면과 평면 직사각형 격자에서 모두 작동할 수 있으므로 해상도를 잃지 않고 글로벌과 지역 간에 전환할 수 있습니다.
이 고유한 아키텍처는 Prithvi가 글로벌, 지역 및 지역 규모에서 미세 조정될 수 있도록 하며 표준 데스크톱 컴퓨터에서 몇 초 안에 실행할 수 있습니다. 이 FM 모델은 지역 날씨 예측에서 극단적인 날씨 사건 예측, 글로벌 기후 시뮬레이션의 공간 해상도를 향상시키기 위한 응용 프로그램을 포함하여 광범위한 응용 프로그램에 사용될 수 있습니다. 또한 Prithvi에는 환경 분석을 위한 더 높은 정밀도를 제공하는 두 가지 미세 조정된 버전이 있습니다. 이 모델은 무료로 Hugging Face에서 제공됩니다.

요약

IBM과 NASA의 파트너십은 지리공간 AI를 재정의하여 연구자와 혁신가가 긴급한 기후 도전 과제를 해결하기 쉽게 합니다. 대규모 데이터셋을 효과적으로 분석할 수 있는 기초 모델을 개발함으로써 이 협력은 심각한 기상 사건을 예측하고 관리하는 우리의 능력을 향상시킵니다. 더 중요하게는 이전에 잘 자원된 기관에만 제한된 이러한 강력한 도구에 대한 접근을 더 넓은 대중에게 개방합니다. 이러한 고급 AI 모델이 더 많은 사람에게 접근 가능해짐에 따라 기후 변화에 대한 더 효과적이고 책임 있는 반응을 위한 혁신적인 솔루션을 위한 길을 열어줍니다.