Cách IBM và NASA Đổi Mới Trí Tuệ Địa Không Gian Để Đối Phó Với Thử Thách Khí Hậu

Khi biến đổi khí hậu tăng cường các sự kiện thời tiết ngày càng nghiêm trọng như lũ lụt, bão, hạn hán và cháy rừng, các phương pháp ứng phó với thảm họa truyền thống đang gặp khó khăn trong việc theo kịp. Trong khi tiến bộ trong công nghệ vệ tinh, máy bay không người lái và cảm biến từ xa cho phép theo dõi tốt hơn, việc tiếp cận dữ liệu quan trọng này vẫn còn hạn chế đối với một số tổ chức, khiến nhiều nhà nghiên cứu và nhà đổi mới không có công cụ họ cần. Lũ dữ liệu địa không gian được tạo ra hàng ngày cũng đã trở thành một thách thức – làm cho các tổ chức bị choáng ngợp và khó khăn hơn trong việc trích xuất thông tin có ý nghĩa. Để giải quyết những vấn đề này, các công cụ thông minh, có thể mở rộng và có thể tiếp cận được cần thiết để chuyển đổi các tập dữ liệu lớn thành thông tin khí hậu có thể hành động. Đây là nơi trí tuệ địa không gian trở nên quan trọng – một công nghệ mới nổi có khả năng phân tích lượng lớn dữ liệu, cung cấp dự đoán chính xác, chủ động và kịp thời hơn. Bài viết này khám phá sự hợp tác đột phá giữa IBM và NASA để phát triển trí tuệ địa không gian tiên tiến, có thể tiếp cận được hơn, trao quyền cho một đối tượng rộng lớn 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 Là Những Người Tiên Phong Trong Lĩnh Vực Trí Tuệ Địa Không Gian Căn Bản

Mô hình căn bản (FMs) đại diện cho một biên giới mới trong AI, được thiết kế để học hỏi từ lượng lớn dữ liệu không được gắn nhãn và áp dụng những thông tin của chúng trên nhiều lĩnh vực. Cách tiếp cận này cung cấp một số lợi thế chính. Không giống như các mô hình AI truyền thống, FMs không phụ thuộc vào các tập dữ liệu được tạo ra một cách cẩn thận và tốn kém. 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 làm cho chúng trở thành một công cụ mạnh mẽ để tăng tốc nghiên cứu khí hậu, nơi thu thập dữ liệu lớn có thể tốn kém và mất thời gian.
Ngoài ra, FMs简化 việc phát triển các ứng dụng chuyên dụng, giảm thiểu các nỗ lực trùng lặp. Ví dụ, một khi một FM được đào tạo, nó có thể được thích nghi với nhiều ứng dụng hạ nguồn như theo dõi thảm họa tự nhiên hoặc theo dõi sử dụng đất mà không cần đào tạo lại rộng rãi. 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, một khi chúng được đào tạo, việc chạy chúng trong quá trình suy luận chỉ mất vài phút hoặc thậm chí vài giây.
Ngoài ra, FMs có thể làm cho các mô hình thời tiết tiên tiến có thể tiếp cận được với một đối tượng rộng lớn hơn. Trước đây, chỉ có các tổ chức được tài trợ tốt với nguồn lực để hỗ trợ cơ sở hạ tầng phức tạp mới có thể chạy các mô hình này. Tuy nhiên, với sự xuất hiện của các mô hình FMs được đào tạo trước, mô hình hóa khí hậu bây giờ nằm trong tầm tay của một nhóm các nhà nghiên cứu và nhà đổi mới rộng lớn hơn, mở ra các con đường mới cho việc khám phá nhanh hơn và các giải pháp môi trường sáng tạo.

Sự Hình Thành Của Trí Tuệ Địa Không Gian Căn Bản

Tiềm năng lớn của FMs đã dẫn đến sự hợp tác giữa IBM và NASA để xây dựng một mô hình FMs toàn diện của môi trường Trái Đất. Mục tiêu chính của sự hợp tác này là trao quyền cho các nhà nghiên cứu để trích xuất thông tin từ các tập dữ liệu Trái Đất rộng lớn của NASA một cách hiệu quả và có thể tiếp cận được.
Trong quá trình theo đuổi này, họ đã đạt được một đột phá quan trọng vào tháng 8 năm 2023 với việc ra mắt một FM cho dữ liệu địa không gian tiên phong. Mô hình này được đào tạo trên tập dữ liệu vệ tinh rộng lớn của NASA, bao gồm một kho lưu trữ 40 năm của các hình ảnh từ chương trình Harmonized Landsat Sentinel-2 (HLS). Nó sử dụng các kỹ thuật AI tiên tiến, bao gồm kiến trúc biến đổi, để xử lý hiệu quả lượng lớn dữ liệu địa không gian. Được phát triển bằng cách sử dụng siêu máy tính Cloud Vela của IBM và ngăn xếp FM Watsonx, mô hình HLS có thể phân tích dữ liệu lên đến bốn lần nhanh hơn so với các mô hình học sâu truyền thống trong khi yêu cầu ít tập dữ liệu được gắn nhãn hơn để đào tạo.
Các ứng dụng tiềm năng của mô hình này rất rộng lớn, từ theo dõi thay đổi sử dụng đất và thảm họa tự nhiên đến dự đoán sản lượng cây trồng. Quan trọng hơn, công cụ mạnh mẽ này có sẵn miễn phí 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.

Các Tiến Bộ Trong Trí Tuệ Địa Không Gian Căn Bản

Xây dựng trên động lực này, IBM và NASA gần đây đã giới thiệu một mô hình FM mở nguồn khác: Prithvi WxC. Mô hình này được thiết kế để giải quyết cả các thách thức thời tiết ngắn hạn và dự đoán khí hậu dài hạn. Được đào tạo trước trên 40 năm dữ liệu quan sát Trái Đất của NASA từ Phân tích Tái hiện Hiện đại cho Nghiên cứu và Ứng dụng, Phiên bản 2 (MERRA-2), FM cung cấp các tiến bộ đáng kể so với các mô hình dự báo truyền thống.
Mô hình được xây dựng bằng cách sử dụng biến đổi tầm nhìn và máy tự động mã hóa bị che, cho phép nó mã hóa dữ liệu không gian theo thời gian. Bằng cách kết hợp một cơ chế chú ý thời gian, FM có thể phân tích dữ liệu tái phân tích MERRA-2, tích hợp các luồng quan sát khác nhau. Mô hình có thể hoạt động trên cả bề mặt hình cầu, như các mô hình khí hậu truyền thống, và lưới hình chữ nhật phẳng, cho phép nó thay đổi giữa các chế độ toàn cầu và khu vực mà không mất độ phân giải.
Kiến trúc độc đáo này cho phép Prithvi có thể tinh chỉnh trên các 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 một loạt các ứng dụng bao gồm dự báo thời tiết địa phương đến dự đoán sự kiện thời tiết cực đoan, tăng cường độ phân giải không gian của các mô phỏng khí hậu toàn cầu và tinh chỉnh việc thể hiện các quá trình vật lý trong các mô hình truyền thống. Ngoài ra, Prithvi đi kèm với hai phiên bản tinh chỉnh được thiết kế cho các mục đích khoa học và công nghiệp cụ thể, cung cấp độ chính xác thậm chí cao hơn cho phân tích môi trường. Mô hình này có sẵn miễn phí trên hugging face.

Kết Luận

Sự hợp tác giữa IBM và NASA đang đổi mới trí tuệ địa không gian, giúp các nhà nghiên cứu và nhà đổi mới dễ dàng giải quyết các thách thức khí hậu bức xúc. Bằng cách phát triển các mô hình căn bản có thể phân tích hiệu quả lượng lớn dữ liệu, sự hợp tác này nâng cao khả năng dự đoán và quản lý các sự kiện thời tiết nghiêm trọng. Quan trọng hơn, nó mở cửa cho một đối tượng rộng lớn hơn để tiếp cận các công cụ mạnh mẽ này, trước đây chỉ giới hạn ở các tổ chức có nguồn lực dồi dào. Khi các mô hình AI tiên tiến này trở nên có thể tiếp cận được với nhiều người hơn, chúng mở ra con 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.