기후 변화로 연료 홍수, 허리케인, 가뭄, 산불 등 점점 더 심각해지는 기상 현상으로 인해 전통적인 재난 대응 방법은 이를 따라잡기 위해 고군분투하고 있습니다. 위성 기술, 드론 및 원격 센서의 발전으로 더 나은 모니터링이 가능해졌지만, 이 중요한 데이터에 대한 액세스는 소수의 조직으로 제한되어 있어 많은 연구자와 혁신가가 필요한 도구를 갖지 못하고 있습니다. 매일 생성되는 지리공간 데이터의 홍수도 문제가 되어 조직을 압도하고 의미 있는 통찰력을 추출하기 어렵게 만듭니다. 이러한 문제를 해결하려면 방대한 데이터세트를 실행 가능한 기후 통찰력으로 전환하기 위한 확장 가능하고 접근 가능하며 지능적인 도구가 필요합니다. 이곳은 지리공간 AI 대량의 데이터를 분석하여 보다 정확하고 사전 예방적이며 시의적절한 예측을 제공할 수 있는 잠재력을 지닌 새로운 기술입니다. 이 기사에서는 보다 접근하기 쉬운 고급 지리공간 AI를 개발하고 혁신적인 환경 및 기후 솔루션을 추진하는 데 필요한 도구를 더 많은 대상에게 제공하기 위한 IBM과 NASA 간의 획기적인 협력을 살펴봅니다.
IBM과 NASA가 지리공간 AI 재단을 선도하는 이유
기초 모델 (FM)은 레이블이 지정되지 않은 방대한 양의 데이터에서 학습하고 해당 통찰력을 여러 도메인에 적용하도록 설계된 AI의 새로운 영역을 나타냅니다. 이 접근 방식은 몇 가지 주요 이점을 제공합니다. 기존 AI 모델과 달리 FM은 힘들게 선별된 대규모 데이터세트에 의존하지 않습니다. 대신 더 작은 데이터 샘플을 미세 조정하여 시간과 리소스를 모두 절약할 수 있습니다. 따라서 대규모 데이터 세트를 수집하는 데 비용과 시간이 많이 소요될 수 있는 기후 연구를 가속화하는 강력한 도구가 됩니다.
또한 FM은 특수 애플리케이션 개발을 간소화하여 중복 작업을 줄입니다. 예를 들어, FM이 훈련되면 광범위한 재훈련 없이도 자연재해 모니터링이나 토지 이용 추적과 같은 여러 다운스트림 애플리케이션에 적용할 수 있습니다. 초기 훈련 프로세스에는 상당한 컴퓨팅 성능이 필요할 수 있으며 수만 GPU 시간이 필요합니다. 그러나 일단 훈련되면 추론 중에 실행하는 데 몇 분 또는 몇 초 밖에 걸리지 않습니다.
또한 FM은 더 많은 청중이 고급 기상 모델에 접근할 수 있도록 할 수 있습니다. 이전에는 복잡한 인프라를 지원할 수 있는 리소스를 갖춘 충분한 자금을 갖춘 기관만이 이러한 모델을 실행할 수 있었습니다. 그러나 사전 훈련된 FM의 등장으로 이제 기후 모델링은 더 광범위한 연구자 및 혁신가 그룹에 도달하여 더 빠른 발견과 혁신적인 환경 솔루션을 위한 새로운 길을 열었습니다.
재단 지리공간 AI의 탄생
FM의 엄청난 잠재력으로 인해 IBM과 NASA는 지구 환경에 대한 포괄적인 FM을 구축하기 위해 협력하게 되었습니다. 이 파트너십의 주요 목표는 연구자들이 효과적이고 접근 가능한 방식으로 NASA의 광범위한 지구 데이터 세트에서 통찰력을 추출할 수 있도록 하는 것입니다.
이러한 추구에서 그들은 2023년 8월에 선구적인 제품을 공개함으로써 획기적인 발전을 이루었습니다. 지리공간 데이터를 위한 FM. 이 모델은 40년간의 이미지 아카이브로 구성된 NASA의 방대한 위성 데이터 세트를 기반으로 훈련되었습니다. 조화로운 Landsat Sentinel-2 (HLS) 프로그램. 이는 변환기 아키텍처를 포함한 고급 AI 기술을 사용하여 상당한 양의 지리공간 데이터를 효율적으로 처리합니다. 사용하여 개발 IBM의 Cloud Vela 슈퍼컴퓨터 watsonx FM 스택인 HLS 모델은 기존 딥 러닝 모델보다 최대 4배 빠르게 데이터를 분석할 수 있으며 훈련에 필요한 레이블이 지정된 데이터 세트는 훨씬 적습니다.
이 모델의 잠재적 응용 분야는 토지 이용 변화 및 자연 재해 모니터링부터 작물 수확량 예측에 이르기까지 광범위합니다. 중요한 것은 이 강력한 도구가 무료라는 것입니다. 사용 가능 Hugging Face에서 전 세계의 연구자와 혁신가가 그 역량을 활용하고 기후 및 환경 과학의 발전에 기여할 수 있도록 지원합니다.
기초 지리공간 AI의 발전
이러한 추진력을 바탕으로 IBM과 NASA는 최근 또 다른 획기적인 오픈 소스 모델인 FM을 도입했습니다. 프리트비 WxC. 이 모델은 단기 기상 문제와 장기 기후 예측을 모두 해결하도록 설계되었습니다. 연구 및 응용을 위한 현대 시대 회고적 분석, 버전 2(메라-2), FM은 기존 예측 모델에 비해 상당한 발전을 제공합니다.
모델은 다음을 사용하여 구축되었습니다. 비전 트랜스포머 그리고 마스크된 오토인코더시간이 지남에 따라 공간 데이터를 인코딩할 수 있습니다. 통합함으로써 시간적 주의 메커니즘FM은 다양한 관측 흐름을 통합한 MERRA-2 재분석 데이터를 분석할 수 있습니다. 이 모델은 전통적인 기후 모델과 같은 구형 표면과 평평한 직사각형 그리드 모두에서 작동할 수 있으므로 해상도를 잃지 않고 전역 뷰와 지역 뷰 간을 변경할 수 있습니다.
이 고유한 아키텍처를 통해 Prithvi는 표준 데스크톱 컴퓨터에서 몇 초 만에 실행하면서 글로벌, 지역 및 로컬 규모에 걸쳐 미세 조정할 수 있습니다. 이 FM 모델은 지역 날씨 예측, 기상 이변 예측, 지구 기후 시뮬레이션의 공간 해상도 향상, 기존 모델의 물리적 프로세스 표현 개선 등 다양한 응용 분야에 사용될 수 있습니다. 또한 Prithvi에는 두 가지가 함께 제공됩니다. 미세 조정된 특정 과학 및 산업 용도로 설계된 버전으로 환경 분석에 더욱 정밀한 기능을 제공합니다. 모델은 자유롭게 사용 가능 껴안는 얼굴에.
결론
IBM과 NASA의 파트너십은 지리공간 AI를 재정의하여 연구원과 혁신가가 긴급한 기후 문제를 더 쉽게 해결할 수 있도록 해줍니다. 대규모 데이터세트를 효과적으로 분석할 수 있는 기초 모델을 개발함으로써 이번 협력을 통해 악천후를 예측하고 관리하는 능력이 향상되었습니다. 더 중요한 것은 이전에는 자원이 풍부한 기관에만 국한되었던 이러한 강력한 도구에 더 많은 사람들이 액세스할 수 있는 문이 열린다는 것입니다. 이러한 고급 AI 모델은 더 많은 사람들이 접근할 수 있게 됨에 따라 우리가 기후 변화에 보다 효과적이고 책임감 있게 대응하는 데 도움이 되는 혁신적인 솔루션의 기반을 마련합니다.
게시물 IBM과 NASA가 기후 문제를 해결하기 위해 지리공간 AI를 재정의하는 방법 처음 등장한 Unite.AI.
