Cum IBM și NASA redefinesc inteligența artificială geospațială pentru a aborda provocările climatice

Ca schimbările climatice combustibili Evenimentele meteorologice din ce în ce mai severe, cum ar fi inundațiile, uraganele, secetele și incendiile de vegetație, metodele tradiționale de răspuns la dezastre se luptă să țină pasul. În timp ce progresele în tehnologie prin satelit, drone și senzori la distanță permit o monitorizare mai bună, accesul la aceste date vitale rămâne limitat la câteva organizații, lăsând mulți cercetători și inovatori fără instrumentele de care au nevoie. Fluxul de date geospațiale generate zilnic a devenit, de asemenea, o provocare – copleșind organizațiile și îngreunând extragerea de informații semnificative. Pentru a aborda aceste probleme, sunt necesare instrumente scalabile, accesibile și inteligente, care să transforme seturi de date vaste în perspective asupra climei. Aici este locul IA geospațială devine vitală — o tehnologie în curs de dezvoltare care are potențialul de a analiza volume mari de date, oferind predicții mai precise, proactive și în timp util. Acest articol explorează colaborarea revoluționară dintre IBM și NASA pentru a dezvolta IA geospațială avansată și mai accesibilă, dând putere unui public mai larg cu instrumentele necesare pentru a genera soluții inovatoare de mediu și climat.

De ce IBM și NASA sunt pionieri ale Fundației Geospatial AI

Modele de fundație (FM) reprezintă o nouă frontieră în inteligența artificială, concepută pentru a învăța din cantități mari de date neetichetate și pentru a-și aplica informațiile în mai multe domenii. Această abordare oferă câteva avantaje cheie. Spre deosebire de modelele tradiționale de inteligență artificială, FM nu se bazează pe seturi de date masive, îngrijite cu grijă. În schimb, se pot ajusta pe eșantioane de date mai mici, economisind atât timp, cât și resurse. Acest lucru le face un instrument puternic pentru accelerarea cercetării climatice, unde colectarea de seturi mari de date poate fi costisitoare și consumatoare de timp.

Mai mult, FM-urile eficientizează dezvoltarea aplicațiilor specializate, reducând eforturile redundante. De exemplu, odată ce un FM este instruit, acesta poate fi adaptat la mai multe aplicații din aval, cum ar fi monitorizarea dezastrelor naturale sau urmărirea utilizării terenurilor, fără a necesita o recalificare extensivă. Deși procesul de formare inițială poate solicita o putere de calcul semnificativă, necesitând zeci de mii de ore GPU. Cu toate acestea, odată ce sunt antrenați, rularea lor în timpul inferenței durează doar câteva minute sau chiar secunde.

În plus, FM-urile ar putea face modele meteorologice avansate accesibile unui public mai larg. Anterior, doar instituțiile bine finanțate și cu resursele necesare pentru a susține infrastructura complexă puteau rula aceste modele. Cu toate acestea, odată cu creșterea FM-urilor pre-instruite, modelarea climatică este acum la îndemâna unui grup mai larg de cercetători și inovatori, deschizând noi căi pentru descoperiri mai rapide și soluții inovatoare de mediu.

Geneza Fundației Geospatial AI

Vastul potențial al FM-urilor a determinat IBM și NASA să colaboreze pentru construirea unui FM cuprinzător al mediului Pământului. Obiectivul principal al acestui parteneriat este de a oferi cercetătorilor posibilitatea de a extrage informații din seturile extinse de date terestre ale NASA într-un mod eficient și accesibil.

În această urmărire, ei obțin o descoperire semnificativă în august 2023, cu dezvăluirea unui proiect de pionierat FM pentru date geospațiale. Acest model a fost antrenat pe vastul set de date satelit al NASA, cuprinzând o arhivă de 40 de ani de imagini de la Landsat Sentinel-2 armonizat (HLS) program. Utilizează tehnici avansate de inteligență artificială, inclusiv arhitecturi transformatoare, pentru a procesa eficient volume substanțiale de date geospațiale. Dezvoltat folosind Supercomputerul Cloud Vela de la IBM și stiva FM watsonx, modelul HLS poate analiza datele de până la patru ori mai rapid decât modelele tradiționale de deep learning, necesitând în același timp mult mai puține seturi de date etichetate pentru antrenament.

Aplicațiile potențiale ale acestui model sunt extinse, variind de la monitorizarea schimbărilor în utilizarea terenurilor și a dezastrelor naturale până la predicția randamentelor culturilor. Important este că acest instrument puternic este liber disponibil pe Hugging Face, permițând cercetătorilor și inovatorilor din întreaga lume să-și utilizeze capacitățile și să contribuie la progresul științei climatice și a mediului.

Progrese în Foundation Geospatial AI

Bazându-se pe acest impuls, IBM și NASA au introdus recent un alt model revoluționar open-source FM: Prithvi WxCAcest model este conceput pentru a aborda atât provocările meteorologice pe termen scurt, cât și predicțiile climatice pe termen lung. Pre-antrenat pe baza a 40 de ani de date de observare a Pământului de la NASA din analiza retrospectivă a erei moderne pentru cercetare și aplicații, versiunea 2 (MERRA-2), FM oferă progrese semnificative față de modelele tradiționale de prognoză.

Modelul este construit folosind un transformator de vedere și autoencoder mascat, permițându-i să codifice date spațiale în timp. Prin încorporarea unui mecanism de atenție temporală, FM poate analiza datele de reanaliza MERRA-2, care integrează diverse fluxuri de observație. Modelul poate funcționa atât pe o suprafață sferică, cum ar fi modelele climatice tradiționale, cât și pe o rețea plată, dreptunghiulară, permițându-i să schimbe între vederile globale și regionale fără a pierde rezoluția.

Această arhitectură unică permite ca Prithvi să fie reglat fin la scară globală, regională și locală, în timp ce rulează pe un computer desktop standard în câteva secunde. Acest model FM poate fi folosit pentru o gamă largă de aplicații, inclusiv prognozarea vremii locale pentru a prezice evenimente meteorologice extreme, îmbunătățirea rezoluției spațiale a simulărilor climatice globale și rafinarea reprezentării proceselor fizice în modele convenționale. În plus, Prithvi vine cu două fin reglate versiuni concepute pentru utilizări științifice și industriale specifice, oferind o precizie și mai mare pentru analiza mediului. Modelul este liber disponibil pe fața îmbrățișată.

Linia de jos

Parteneriatul dintre IBM și NASA redefinește inteligența artificială geospațială, facilitând cercetarea și inovatorii abordarea provocărilor climatice presante. Prin dezvoltarea de modele fundamentale care pot analiza eficient seturi mari de date, această colaborare ne îmbunătățește capacitatea de a prezice și gestiona evenimente meteorologice severe. Mai important, deschide calea pentru un public mai larg pentru a accesa aceste instrumente puternice, anterior limitate la instituțiile cu resurse suficiente. Pe măsură ce aceste modele avansate de inteligență artificială devin accesibile mai multor persoane, ele deschid calea pentru soluții inovatoare care ne pot ajuta să răspundem la schimbările climatice mai eficient și mai responsabil.