Como a IBM e a NASA estão Redefinindo a IA Geoespacial para Combater os Desafios Climáticos

À medida que as mudanças climáticas impulsionam eventos meteorológicos cada vez mais severos, como inundações, furacões, secas e incêndios florestais, os métodos tradicionais de resposta a desastres estão lutando para acompanhar. Embora os avanços na tecnologia de satélites, drones e sensores remotos permitam uma melhor monitoração, o acesso a esses dados vitais permanece limitado a algumas organizações, deixando muitos pesquisadores e inovadores sem as ferramentas necessárias. O fluxo de dados geoespaciais gerados diariamente também se tornou um desafio – sobrecarregando as organizações e dificultando a extração de insights significativos. Para resolver esses problemas, são necessárias ferramentas escaláveis, acessíveis e inteligentes para transformar vastos conjuntos de dados em insights climáticos ação. É aqui que a IA geoespacial se torna vital – uma tecnologia emergente que tem o potencial de analisar grandes volumes de dados, fornecendo previsões mais precisas, proativas e oportunas. Este artigo explora a colaboração inovadora entre a IBM e a NASA para desenvolver IA geoespacial avançada e mais acessível, capacitando uma audiência mais ampla com as ferramentas necessárias para impulsionar soluções inovadoras para o meio ambiente e o clima.

Por que a IBM e a NASA estão Pioneirando a IA Geoespacial de Fundação

Modelos de fundação (FMs) representam uma nova fronteira na IA, projetados para aprender com vastos conjuntos de dados não rotulados e aplicar seus insights em vários domínios. Essa abordagem oferece várias vantagens. Ao contrário dos modelos de IA tradicionais, os FMs não dependem de conjuntos de dados massivos e cuidadosamente curados. Em vez disso, eles podem ajustar finamente em amostras de dados menores, economizando tempo e recursos. Isso os torna uma ferramenta poderosa para acelerar a pesquisa climática, onde a coleta de grandes conjuntos de dados pode ser custosa e demorada.

Além disso, os FMs simplificam o desenvolvimento de aplicações especializadas, reduzindo esforços redundantes. Por exemplo, uma vez que um FM é treinado, ele pode ser adaptado para várias aplicações downstream, como monitorar desastres naturais ou rastrear o uso da terra, sem exigir retreinamento extensivo. Embora o processo de treinamento inicial possa exigir significativo poder computacional, exigindo dezenas de milhares de horas de GPU. No entanto, uma vez que eles são treinados, executá-los durante a inferência leva apenas minutos ou até segundos.

Além disso, os FMs podem tornar modelos de previsão do tempo avançados acessíveis a uma audiência mais ampla. Anteriormente, apenas instituições bem financiadas com os recursos para apoiar infraestrutura complexa podiam executar esses modelos. No entanto, com o surgimento de FMs pré-treinados, a modelagem climática agora está ao alcance de um grupo mais amplo de pesquisadores e inovadores, abrindo novas vias para descobertas mais rápidas e soluções ambientais inovadoras.

A Gênese da IA Geoespacial de Fundação

O vasto potencial dos FMs levou a IBM e a NASA a colaborar para construir um modelo de fundação abrangente do ambiente da Terra. O objetivo principal dessa parceria é capacitar os pesquisadores a extrair insights dos conjuntos de dados da Terra da NASA de forma eficaz e acessível.

Nessa busca, eles alcançaram uma conquista significativa em agosto de 2023, com a revelação de um modelo de fundação pioneiro para dados geoespaciais. Esse modelo foi treinado no vasto conjunto de dados de satélites da NASA, que compreende um arquivo de 40 anos de imagens do programa Harmonized Landsat Sentinel-2 (HLS). Ele utiliza técnicas de IA avançadas, incluindo arquiteturas de transformador, para processar eficientemente volumes substanciais de dados geoespaciais. Desenvolvido usando o supercomputador Cloud Vela da IBM e a pilha de FMs Watsonx, o modelo HLS pode analisar dados até quatro vezes mais rápido do que os modelos de aprendizado profundo tradicionais, exigindo conjuntos de dados rotulados significativamente menores para treinamento.

As aplicações potenciais desse modelo são extensas, variando desde o monitoramento de mudanças no uso da terra e desastres naturais até a previsão de safras. Importante, essa poderosa ferramenta está disponível gratuitamente no Hugging Face, permitindo que pesquisadores e inovadores em todo o mundo utilizem suas capacidades e contribuam para o avanço da ciência climática e ambiental.

Avanços na IA Geoespacial de Fundação

Com base nesse impulso, a IBM e a NASA introduziram recentemente outro modelo de FM inovador e de código aberto: Prithvi WxC. Esse modelo é projetado para abordar tanto os desafios climáticos de curto prazo quanto as previsões climáticas de longo prazo. Pré-treinado em 40 anos de dados de observação da Terra da NASA, do Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2), o FM oferece avanços significativos sobre os modelos de previsão tradicionais.

O modelo é construído usando um transformador de visão e um autoencoder mascarado, permitindo que ele codifique dados espaciais ao longo do tempo. Ao incorporar um mecanismo de atenção temporal, o FM pode analisar dados de reanálise MERRA-2, que integra várias correntes de observação. O modelo pode operar tanto em uma superfície esférica, como os modelos climáticos tradicionais, quanto em uma grade plana e retangular, permitindo que ele mude entre visões globais e regionais sem perder resolução.

Essa arquitetura única permite que o Prithvi seja ajustado finamente em escalas globais, regionais e locais, executando em um computador de mesa padrão em segundos. Esse modelo de FM pode ser empregado para uma variedade de aplicações, incluindo a previsão do clima local, a previsão de eventos climáticos extremos, a melhoria da resolução espacial de simulações climáticas globais e o aprimoramento da representação de processos físicos em modelos convencionais. Além disso, o Prithvi vem com duas versões ajustadas finamente projetadas para usos científicos e industriais específicos, fornecendo precisão ainda maior para análise ambiental. O modelo está disponível gratuitamente no Hugging Face.

O Resumo

A parceria entre a IBM e a NASA está redefinindo a IA geoespacial, tornando mais fácil para pesquisadores e inovadores abordar os desafios climáticos urgentes. Ao desenvolver modelos de fundação que podem analisar eficazmente grandes conjuntos de dados, essa colaboração melhora nossa capacidade de prever e gerenciar eventos meteorológicos severos. Mais importante, isso abre a porta para uma audiência mais ampla acessar essas ferramentas poderosas, anteriormente limitadas a instituições bem equipadas. À medida que esses modelos de IA avançados se tornam acessíveis a mais pessoas, eles pavimentam o caminho para soluções inovadoras que podem nos ajudar a responder às mudanças climáticas de forma mais eficaz e responsável.