IBM và NASA đang định nghĩa lại AI không gian địa lý để giải quyết các thách thức về khí hậu như thế nào

Khi biến đổi khí hậu nhiên liệu các sự kiện thời tiết ngày càng nghiêm trọng như lũ lụt, bão, hạn hán và cháy rừng, các phương pháp ứng phó thảm họa truyền thống đang phải vật lộn để theo kịp. Trong khi những tiến bộ trong công nghệ vệ tinh, máy bay không người lái và cảm biến từ xa cho phép giám sát tốt hơn, thì việc tiếp cận dữ liệu quan trọng này vẫn chỉ giới hạn ở một số ít tổ chức, khiến nhiều nhà nghiên cứu và nhà đổi mới không có các công cụ họ cần. Lũ dữ liệu không gian địa lý được tạo ra hàng ngày cũng đã trở thành một thách thức—làm cho các tổ chức quá tải và khiến việc trích xuất thông tin chi tiết có ý nghĩa trở nên khó khăn hơn. Để giải quyết những vấn đề này, cần có các công cụ có thể mở rộng, dễ tiếp cận và thông minh để biến các tập dữ liệu khổng lồ thành thông tin chi tiết về khí hậu có thể hành động được. Đây là nơi AI không gian địa lý trở nên quan trọng—một công nghệ mới nổi có tiềm năng phân tích khối lượng dữ liệu lớn, cung cấp các dự đoán chính xác hơn, chủ động hơn và kịp thời hơn. Bài viết này khám phá sự hợp tác đột phá giữa IBM và NASA để phát triển AI không gian địa lý tiên tiến, dễ tiếp cận hơn, trao quyền cho nhiều đối tượng hơn với các công cụ cần thiết để thúc đẩy các giải pháp môi trường và khí hậu sáng tạo.

Tại sao IBM và NASA tiên phong trong lĩnh vực AI không gian địa lý

Mô hình nền tảng (FM) đại diện cho một ranh giới mới trong AI, được thiết kế để học từ lượng lớn dữ liệu chưa được gắn nhãn và áp dụng hiểu biết của chúng trên nhiều miền. Cách tiếp cận này mang lại một số lợi thế chính. Không giống như các mô hình AI truyền thống, FM không dựa vào các tập dữ liệu lớn, được tuyển chọn kỹ lưỡng. Thay vào đó, chúng có thể tinh chỉnh trên các mẫu dữ liệu nhỏ hơn, tiết kiệm cả thời gian và tài nguyên. Điều này khiến chúng trở thành một công cụ mạnh mẽ để đẩy nhanh nghiên cứu khí hậu, nơi việc thu thập các tập dữ liệu lớn có thể tốn kém và mất thời gian.

Hơn nữa, FM hợp lý hóa quá trình phát triển các ứng dụng chuyên biệt, giảm thiểu các nỗ lực dư thừa. Ví dụ, sau khi FM được đào tạo, nó có thể được điều chỉnh cho một số ứng dụng hạ nguồn như giám sát thiên tai hoặc theo dõi việc sử dụng đất mà không cần đào tạo lại nhiều. Mặc dù quá trình đào tạo ban đầu có thể đòi hỏi sức mạnh tính toán đáng kể, đòi hỏi hàng chục nghìn giờ GPU. Tuy nhiên, sau khi chúng được đào tạo, việc chạy chúng trong quá trình suy luận chỉ mất vài phút hoặc thậm chí vài giây.

Ngoài ra, FM có thể giúp các mô hình thời tiết tiên tiến tiếp cận được với nhiều đối tượng hơn. Trước đây, chỉ những tổ chức được tài trợ tốt với nguồn lực hỗ trợ cơ sở hạ tầng phức tạp mới có thể chạy các mô hình này. Tuy nhiên, với sự gia tăng của các FM được đào tạo trước, mô hình khí hậu hiện nằm trong tầm với của một nhóm các nhà nghiên cứu và nhà đổi mới rộng lớn hơn, mở ra những con đường mới cho những khám phá nhanh hơn và các giải pháp môi trường sáng tạo.

Sự ra đời của AI không gian địa lý nền tảng

Tiềm năng to lớn của dữ liệu quan trắc môi trường (FM) đã thúc đẩy IBM và NASA hợp tác xây dựng một hệ thống quản lý môi trường toàn diện về môi trường Trái Đất. Mục tiêu chính của quan hệ đối tác này là trao quyền cho các nhà nghiên cứu khai thác thông tin chi tiết từ các bộ dữ liệu Trái Đất rộng lớn của NASA một cách hiệu quả và dễ tiếp cận.

Trong nỗ lực này, họ đạt được bước đột phá đáng kể vào tháng 2023 năm XNUMX với việc công bố một sản phẩm tiên phong FM cho dữ liệu không gian địa lý. Mô hình này được đào tạo trên bộ dữ liệu vệ tinh khổng lồ của NASA, bao gồm kho lưu trữ hình ảnh 40 năm từ Vệ tinh Landsat Sentinel-2 (HLS) được điều hòa chương trình. Nó sử dụng các kỹ thuật AI tiên tiến, bao gồm kiến ​​trúc máy biến áp, để xử lý hiệu quả khối lượng lớn dữ liệu không gian địa lý. Được phát triển bằng Siêu máy tính Cloud Vela của IBM và ngăn xếp watsonx FM, mô hình HLS có thể phân tích dữ liệu nhanh hơn gấp bốn lần so với các mô hình học sâu truyền thống trong khi yêu cầu ít tập dữ liệu được gắn nhãn hơn đáng kể để đào tạo.

Các ứng dụng tiềm năng của mô hình này rất rộng, từ việc theo dõi những thay đổi về sử dụng đất và thiên tai đến dự đoán năng suất cây trồng. Điều quan trọng là công cụ mạnh mẽ này được tự do có sẵn trên Hugging Face, cho phép các nhà nghiên cứu và nhà đổi mới trên toàn thế giới tận dụng khả năng của nó và đóng góp vào sự tiến bộ của khoa học khí hậu và môi trường.

Những tiến bộ trong AI không gian địa lý nền tảng

Dựa trên đà phát triển này, IBM và NASA gần đây đã giới thiệu một mô hình FM mã nguồn mở mang tính đột phá khác: Prithvi WxC. Mô hình này được thiết kế để giải quyết cả những thách thức thời tiết ngắn hạn và dự báo khí hậu dài hạn. Được đào tạo trước trên 40 năm dữ liệu quan sát Trái Đất của NASA từ Phân tích hồi cứu Thời đại Hiện đại cho Nghiên cứu và Ứng dụng, Phiên bản 2 (MERRA-2), FM mang lại những tiến bộ đáng kể so với các mô hình dự báo truyền thống.

Mô hình được xây dựng bằng cách sử dụng một máy biến áp tầm nhìn và bộ mã hóa tự động được che giấu, cho phép nó mã hóa dữ liệu không gian theo thời gian. Bằng cách kết hợp một cơ chế chú ý tạm thời, FM có thể phân tích dữ liệu phân tích lại MERRA-2, tích hợp nhiều luồng quan sát khác nhau. Mô hình có thể hoạt động trên cả bề mặt hình cầu, giống như các mô hình khí hậu truyền thống, và lưới hình chữ nhật phẳng, cho phép thay đổi giữa chế độ xem toàn cầu và khu vực mà không mất độ phân giải.

Kiến trúc độc đáo này cho phép Prithvi được tinh chỉnh trên quy mô toàn cầu, khu vực và địa phương, trong khi chạy trên máy tính để bàn tiêu chuẩn trong vài giây. Mô hình FM này có thể được sử dụng cho nhiều ứng dụng bao gồm dự báo thời tiết địa phương đến dự đoán các sự kiện thời tiết khắc nghiệt, tăng cường độ phân giải không gian của mô phỏng khí hậu toàn cầu và tinh chỉnh biểu diễn các quá trình vật lý trong các mô hình thông thường. Ngoài ra, Prithvi đi kèm với hai tinh chỉnh phiên bản được thiết kế cho mục đích khoa học và công nghiệp cụ thể, cung cấp độ chính xác cao hơn cho phân tích môi trường. Mô hình được tự do có sẵn trên khuôn mặt ôm chặt.

Lời kết

Quan hệ đối tác giữa IBM và NASA đang định hình lại AI không gian địa lý, giúp các nhà nghiên cứu và nhà đổi mới dễ dàng giải quyết các thách thức cấp bách về khí hậu. Bằng cách phát triển các mô hình nền tảng có khả năng phân tích hiệu quả các tập dữ liệu lớn, sự hợp tác này nâng cao khả năng dự đoán và quản lý các hiện tượng thời tiết khắc nghiệt của chúng ta. Quan trọng hơn, nó mở ra cánh cửa cho nhiều đối tượng hơn tiếp cận những công cụ mạnh mẽ này, vốn trước đây chỉ giới hạn ở các tổ chức có nguồn lực dồi dào. Khi các mô hình AI tiên tiến này trở nên dễ tiếp cận hơn với nhiều người hơn, chúng sẽ mở đường cho các giải pháp sáng tạo có thể giúp chúng ta ứng phó với biến đổi khí hậu một cách hiệu quả và có trách nhiệm hơn.