Como a IBM e a NASA Estão Redefinindo a IA Geoespacial para Lidar com os Desafios Climáticos

À medida que a mudança climática alimenta 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 de que necessitam. A enxurrada de dados geoespaciais gerados diariamente também se tornou um desafio – sobrecarregando as organizações e dificultando a extração de insights significativos. Para resolver essas questões, são necessárias ferramentas escaláveis, acessíveis e inteligentes para transformar vastos conjuntos de dados em insights climáticos realizáveis. 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 uma IA geoespacial avançada e mais acessível, capacitando um público mais amplo com as ferramentas necessárias para impulsionar soluções ambientais e climáticas inovadoras.

Por que a IBM e a NASA são Pioneiras na IA Geoespacial de Fundação

Modelos de fundação (FMs) representam uma nova fronteira na IA, projetados para aprender com vastos volumes de dados não rotulados e aplicar suas percepções em vários domínios. Esta abordagem oferece várias vantagens-chave. Ao contrário dos modelos de IA tradicionais, os FMs não dependem de conjuntos de dados cuidadosamente curados e maciços. Em vez disso, eles podem ser ajustados 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 um retreinamento extensivo. Embora o processo de treinamento inicial possa exigir uma grande capacidade 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 poderiam tornar os modelos de clima avançados acessíveis a um público mais amplo. Anteriormente, apenas instituições bem financiadas com os recursos para apoiar infraestruturas complexas 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 colaborarem na construção de um modelo de fundação abrangente do ambiente da Terra. O objetivo-chave desta parceria é capacitar os pesquisadores a extrair insights dos vastos conjuntos de dados da Terra da NASA de maneira eficaz e acessível.

Nesta busca, eles alcançaram uma grande conquista em agosto de 2023 com a revelação de um modelo FM pioneiro para dados geoespaciais. Este modelo foi treinado no vasto conjunto de dados de satélite da NASA, compreendendo um arquivo de 40 anos de imagens do programa Harmonized Landsat Sentinel-2 (HLS). Ele usa técnicas de IA avançadas, incluindo arquiteturas de transformadores, para processar eficientemente grandes volumes 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, enquanto exige conjuntos de dados rotulados significativamente menores para treinamento.

As aplicações potenciais deste modelo são extensas, variando desde o monitoramento de mudanças no uso da terra e desastres naturais até a previsão de safras. Importante, esta 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

Construindo sobre este momentum, a IBM e a NASA introduziram recentemente outro modelo de FM inovador e de código aberto: Prithvi WxC. Este 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 os 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.

Esta arquitetura única permite que o Prithvi seja ajustado finamente em escalas globais, regionais e locais, enquanto é executado em um computador de mesa padrão em segundos. Este 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 uma precisão ainda maior para a 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 os pesquisadores e inovadores abordarem os desafios climáticos urgentes. Ao desenvolver modelos de fundação que podem analisar efetivamente grandes conjuntos de dados, esta colaboração melhora nossa capacidade de prever e gerenciar eventos meteorológicos severos. Mais importante, ela abre as portas para que um público mais amplo tenha acesso a essas ferramentas poderosas, anteriormente limitadas a instituições bem equipadas. À medida que esses modelos de IA avançados se tornam acessíveis a mais pessoas, eles abrem caminho para soluções inovadoras que podem nos ajudar a responder à mudança climática de forma mais eficaz e responsável.