IBM ve NASA’nın Geospatial AI’yi İklim Challange’lerine Karşı Nasıl Yeniden Tanımladıkları

İklim değişikliği yakıt olarak giderek daha şiddetli hava olaylarına neden oluyor: seller, kasırgalar, kuraklık ve yangınlar. Geleneksel afet yanıt yöntemleri bu olaylarla başa çıkmak için mücadele ediyor. Uydu teknolojisindeki, dronlardaki ve uzaktan algılama sensörlerindeki ilerlemeler daha iyi izleme olanakları sunuyor, ancak bu önemli verilere erişim hala birkaç kuruluşa sınırlı kalıyor ve birçok araştırmacı ve yenilikçi gerekli araçlardan yoksun kalıyor. Günlük olarak üretilen coğrafi veri seli de bir sorun haline geldi: organizasyonları bunaltıyor ve anlamlı içgörüler elde etmeyi daha da zorlaştırıyor. Bu sorunları ele almak için, büyük veri kümelerini eyleme geçirilebilir iklim içgörülerine dönüştürebilecek ölçeklenebilir, erişilebilir ve akıllı araçlara ihtiyaç vardır. İşte burada coğrafi AI önemli hale geliyor: büyük veri hacimlerini analiz etme ve daha doğru, proaktif ve zamanında tahminler sunma potansiyeli olan bir teknoloji. Bu makale, IBM ve NASA’nın gelişmiş, daha erişilebilir coğrafi AI geliştirmek için yaptığı yenilikçi işbirliğini keşfediyor ve daha geniş bir kitleye çevre ve iklim çözümlerini sürdürebilmeleri için gerekli araçları sunuyor.

IBM ve NASA’nın Temel Coğrafi AI’yi Neden Öncü Olduğu

Temel modeller (FM’ler), büyük miktarda etiketsiz veri öğrenmek ve bu içgörülerini birden fazla alanda uygulamak üzere tasarlanmış AI’nin yeni bir cephesini temsil ediyor. Bu yaklaşım several ana avantajlar sunuyor. Geleneksel AI modellerinin aksine, FM’ler büyük, zahmetli bir şekilde oluşturulmuş veri kümelerine dayanmıyor. Bunun yerine, daha küçük veri örneklerinde ince ayar yapabilirler, böylece hem zaman hem de kaynak tasarrufu sağlar. Bu, iklim araştırmalarını hızlandırmak için güçlü bir araçtır, çünkü büyük veri kümeleri toplamak pahalı ve zaman alıcı olabilir.

Daha da önemlisi, FM’ler uzmanlaşmış uygulamaların geliştirilmesini basitleştirir ve tekrarlanan çabaları azaltır. Örneğin, bir FM eğitildikten sonra, doğal afet izleme veya arazi kullanımını takip etme gibi çeşitli aşağı akış uygulamalarına uyarlanabilir, bu da kapsamlı yeniden eğitim gerektirmez. İlk eğitim süreci önemli hesaplama gücü gerektirebilir, binlerce GPU saati gerektirebilir. Ancak bir kez eğitildikten sonra, bunları çıkarım sırasında çalıştırmak sadece dakikalar veya hatta saniyeler alır.

Ek olarak, FM’ler gelişmiş hava modellerini daha geniş bir kitleye erişilebilir hale getirebilir. Önceden, yalnızca karmaşık altyapıyı destekleyecek kaynaklara sahip iyi finanse edilen kurumlar bu modelleri çalıştırabiliyordu. Ancak önceden eğitilmiş FM’lerin yükselişiyle birlikte, iklim modellemesi artık daha geniş bir araştırmacı ve yenilikçi grubuna açıktır, bu da daha hızlı keşifler ve yenilikçi çevre çözümleri için yeni yollar açar.

Temel Coğrafi AI’nin Kökeni

FM’lerin büyük potansiyeli, IBM ve NASA’yı Dünya’nın çevresini kapsamlı bir FM oluşturmak için işbirliği yapmaya yöneltti. Bu ortaklığın temel amacı, araştırmacıların NASA’nın geniş Dünya veri kümelerinden etkili ve erişilebilir bir şekilde içgörüler elde etmelerini sağlamaktır.

Bu amaçla, Ağustos 2023’te bir coğrafi veri için öncü FM açıklanmasıyla önemli bir atılım gerçekleştirdiler. Bu model, NASA’nın geniş uydu veri kümesinden oluşan 40 yıllık bir arşivden oluşan Harmonize Landsat Sentinel-2 (HLS) programından alınan görüntülerle eğitildi. Gelişmiş AI tekniklerini, özellikle de dönüştürücü mimarilerini, büyük coğrafi veri hacimlerini verimli bir şekilde işlemek için kullanır. IBM’in Bulut Vela süper bilgisayarı ve Watsonx FM yığını kullanılarak geliştirilen HLS modeli, geleneksel derin öğrenme modellerine göre veri işleme hızını dört kata kadar artırabilir ve eğitim için önemli ölçüde daha az etiketli veri kümesi gerektirir.

Bu modelin potansiyel uygulamaları geniş kapsamlıdır: arazi kullanım değişikliklerini ve doğal afetleri izleme, mahsul verimlerini tahmin etme gibi konuları içerebilir. Önemlisi, bu güçlü araç ücretsiz olarak Hugging Face’de mevcuttur, böylece dünya çapındaki araştırmacılar ve yenilikçiler its capabilitiesinden yararlanabilir ve iklim ve çevre biliminin ilerlemesine katkıda bulunabilir.

Temel Coğrafi AI’de İlerlemeler

Bu momentum üzerine inşa ederek, IBM ve NASA yakın zamanda başka bir yenilikçi açık kaynaklı model FM’yi tanıttı: Prithvi WxC. Bu model, hem kısa vadeli hava koşulları hem de uzun vadeli iklim öngörülerini ele almak üzere tasarlandı. NASA’nın Dünya gözlem verilerinin 40 yılından oluşan Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2) verisiyle önceden eğitilen FM, geleneksel öngörü modellerine göre önemli ilerlemeler sunar.

Model, bir görüş dönüştürücüsü ve bir maskeli oto-encoder kullanarak, zaman içinde uzaysal verileri kodlayabilme yeteneğine sahiptir. Bir zamansal dikkat mekanizması entegre ederek, FM, MERRA-2 yeniden analiz verilerini analiz edebilir, bu da çeşitli gözlem akışlarını birleştirir. Model, geleneksel iklim modelleri gibi bir küresel yüzeyde veya bir düz, dikdörtgen ızgarada çalışabilir, böylece küresel ve bölgesel görünümler arasında geçiş yaparken çözünürlüğü kaybetmez.

Bu benzersiz mimari, Prithvi’nin küresel, bölgesel ve yerel ölçeklerde ince ayar yapılabilmesini sağlar ve standart bir masaüstü bilgisayarda saniyeler içinde çalıştırılabilir. Bu FM modeli, yerel hava tahmini yapmaktan aşırı hava olaylarını öngörme, küresel iklim simülasyonlarının mekansal çözünürlüğünü geliştirmeye ve geleneksel modellerdeki fiziksel süreçlerin temsilini iyileştirmeye kadar çeşitli uygulamalar için kullanılabilir. Ayrıca, Prithvi, bilimsel ve endüstriyel kullanımlar için tasarlanmış iki ince ayarlı sürümle birlikte gelir, bu da çevresel analiz için daha da büyük bir hassasiyet sağlar. Model ücretsiz olarak Hugging Face’de mevcuttur.

Alt Çizgi

IBM ve NASA’nın ortaklığı, coğrafi AI’yi yeniden tanımlıyor ve araştırmacıların ve yenilikçilerin acil iklim zorluklarına yanıt vermesini kolaylaştırıyor. Büyük veri kümelerini etkili bir şekilde analiz edebilen temel modeller geliştirerek, şiddetli hava olaylarını öngörme ve yönetme yeteneğimizi güçlendiriyorlar. Daha da önemlisi, daha geniş bir kitleye, önceden yalnızca iyi finanse edilen kurumlara açık olan bu güçlü araçlara erişim kapılarını açıyor. Bu gelişmiş AI modelleri daha fazla insan tarafından erişilebilir hale geldikçe, iklim değişikliğine daha etkili ve sorumlu bir şekilde yanıt verebileceğimiz yenilikçi çözümler için yol açıyorlar.