Satellite open source IBM e NASA

IBM e la NASA hanno messo insieme e rilasciato Prithvi: un modello di intelligenza artificiale di base open source che può aiutare gli scienziati e altre persone ad analizzare le immagini satellitari.

Il modello del trasformatore di visione, rilasciato con una licenza Apache 2, è relativamente piccolo con 100 milioni di parametri ed è stato addestrato su un anno di immagini raccolte dal programma Harmonized Landsat Sentinel-2 (HLS) degli scienziati spaziali statunitensi. Oltre al modello principale, sono disponibili tre varianti di Prithvi, ottimizzate per identificare le inondazioni; cicatrici bruciate da incendi; e colture e altri usi del suolo.

In sostanza, funziona così: dai a uno dei modelli una foto satellitare dall'alto e lui etichetta le aree nello scatto che capisce. Ad esempio, la variante ottimizzata per le colture può indicare dove probabilmente c'è acqua, foreste, campi di mais, campi di cotone, terreni edificati, zone umide e così via.

Immaginiamo che questa raccolta sarebbe utile, ad esempio, per automatizzare lo studio dei cambiamenti del territorio nel corso del tempo, come il monitoraggio dell’erosione dovuta alle inondazioni o il modo in cui la siccità e gli incendi hanno colpito una regione. Big Blue e la NASA non sono i primi a farlo con l’apprendimento automatico: ci sono moltissimi sforzi precedenti che potremmo citare.

Una demo del modello Prithvi per la classificazione delle colture può essere trovata qui. Fornisci le tue immagini satellitari o utilizza uno degli esempi in fondo alla pagina. Fare clic su Invia per eseguire il modello in tempo reale.

"Crediamo che i modelli di fondazione abbiano il potenziale per cambiare il modo in cui vengono analizzati i dati osservativi e aiutarci a comprendere meglio il nostro pianeta", ha affermato in una nota Kevin Murphy, responsabile dei dati scientifici della NASA. "E rendendo disponibili al pubblico tali modelli e rendendoli disponibili al mondo, speriamo di moltiplicarne l'impatto."

Gli sviluppatori possono scaricare i modelli da Hugging Face qui.

Esistono altre demo online di Prithvi, come questa per la variante ottimizzata per gli specchi d'acqua; questo per rilevare le cicatrici degli incendi; e questo che mette in mostra la capacità del modello di ricostruire aree parzialmente fotografate.

Un modello di fondazione è un modello generalizzato pre-addestrato in grado di essere messo a punto per eseguire compiti specifici; è un termine coniato dallo Stanford Institute for Human-Centered Artificial Intelligence. IBM afferma che Prithvi è fino al 15% migliore rispetto alle precedenti tecniche all'avanguardia (senza nome) nell'analisi delle immagini geospaziali, nonostante faccia affidamento su meno della metà dei dati etichettati.

Si spera che questo modello aiuti le persone a tenere traccia dei cambiamenti climatici e dell'uso del territorio, soprattutto perché si stima che la quantità di dati satellitari raccolti dalle sonde scientifiche in orbita attorno alla Terra [PDF] raggiungerà i 250.000 terabyte entro il 2024.

IBM ha affermato di aver addestrato il modello utilizzando Vela, il suo cluster di supercomputer AI. Detto questo, ci è stato anche detto che Big Blue ha impiegato solo circa un'ora per mettere a punto il modello per il rilevamento degli allagamenti utilizzando una GPU Nvidia V100, quindi potresti non aver bisogno di enormi quantità di ferro per creare la tua variante.

Una versione commercializzata, qualunque essa sia, di Prithvi dovrebbe essere resa disponibile entro la fine dell'anno.

"I modelli di base dell'intelligenza artificiale per l'osservazione della Terra presentano un enorme potenziale per affrontare complessi problemi scientifici e accelerare un più ampio dispiegamento dell'intelligenza artificiale in diverse applicazioni", ha affermato Rahul Ramachandran, manager e ricercatore senior presso l'Interagency Implementation and Advanced Concepts Team (IMPACT) della NASA.

"Chiediamo alle comunità delle scienze della Terra e delle applicazioni di valutare questo modello iniziale di fondazione HLS per una varietà di usi e di condividere feedback sui suoi pregi e svantaggi", ha aggiunto. ®

Mandaci notizie