IBM og NASA åpen kildekode satellitt-image-merking AI-modell

IBM og NASA åpen kildekode satellitt-image-merking AI-modell

Tidsstempel: 3. august 2023 8:40
IBM og NASA åpen kildekode-satellittbildemerking AI-modell PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

IBM og NASA har satt sammen og gitt ut Prithvi: en åpen kildekode-stiftelse AI-modell som kan hjelpe forskere og andre mennesker med å analysere satellittbilder.

Visjonstransformatormodellen, utgitt under en Apache 2-lisens, er relativt liten med 100 millioner parametere, og ble trent på et års verdi med bilder samlet av de amerikanske romfartboffenes Harmonized Landsat Sentinel-2 (HLS) program. I tillegg til hovedmodellen er tre varianter av Prithvi tilgjengelig, finjustert for å identifisere flom; skogbrann brenne arr; og avlinger og annen arealbruk.

I hovedsak fungerer det slik: du mater en av modellene med et satellittbilde over hodet, og det merker områder med en gang den forstår. For eksempel kan varianten finjustert for avlinger peke ut hvor det sannsynligvis er vann, skoger, maisåkre, bomullsmarker, utviklet land, våtmarker og så videre.

Denne samlingen, ser vi for oss, vil være nyttig for for eksempel å automatisere studiet av endringer i land over tid - for eksempel sporing av erosjon fra flom, eller hvordan tørke og skogbranner har rammet en region. Big Blue og NASA er ikke de første som gjør dette med maskinlæring: det er det rikelig of tidligere innsats vi kunne sitere.

En demo av den avlingsklassifiserende Prithvi-modellen kan bli funnet her.. Gi ditt eget satellittbilde eller bruk et av eksemplene nederst på siden. Klikk på Send for å kjøre modellen live.

"Vi tror at grunnmodeller har potensial til å endre måten observasjonsdata analyseres på og hjelpe oss til å bedre forstå planeten vår," Kevin Murphy, sjef for vitenskapelig data ved NASA, sa i en uttalelse. "Og ved å åpne slike modeller og gjøre dem tilgjengelige for verden, håper vi å multiplisere effekten deres."

Utviklere kan laste ned modellene fra Hugging Face her..

Det er andre online demoer av Prithvi, som f.eks dette for varianten finjustert for vannmasser; dette for å oppdage skogbrannarr; og dette som viser frem modellens evne til å rekonstruere delvis fotograferte områder.

En grunnmodell er en forhåndstrent generalisert modell som kan finjusteres for å utføre spesifikke oppgaver; det er et begrep laget av Stanford Institute for Human-Centered Artificial Intelligence. IBM krav Prithvi er opptil 15 prosent bedre enn tidligere (unavngitte) toppmoderne teknikker til å analysere geospatiale bilder, til tross for at den er avhengig av mindre enn halvparten så mye merket data. 

Det er håp om at denne modellen vil hjelpe folk med å spore klimaendringer og arealbruk, spesielt ettersom mengden satellittdata samlet inn av vitenskapelige sonder som kretser rundt jorden er beregnet [PDF] for å nå 250,000 2024 terabyte innen XNUMX.

IBM sa at de trente modellen ved å bruke Stearinlys, dens AI-superdataklynge. Med det sagt, vi blir også fortalt det tok Big Blue bare omtrent en time å finjustere modellen for å oppdage flom ved hjelp av en Nvidia V100 GPU, så du trenger kanskje ikke store stabler med jern for å lage din egen variant.

En kommersialisert versjon, uansett hva det måtte være, av Prithvi skal gjøres tilgjengelig senere i år.

"AI-fundamentmodeller for jordobservasjoner presenterer et enormt potensial for å løse intrikate vitenskapelige problemer og fremskynde den bredere distribusjonen av AI på tvers av forskjellige applikasjoner," sa Rahul Ramachandran, en leder og seniorforsker ved NASAs Interagency Implementation and Advanced Concepts Team (IMPACT). 

"Vi oppfordrer jordvitenskaps- og applikasjonsmiljøene til å evaluere denne første HLS-grunnmodellen for en rekke bruksområder og dele tilbakemeldinger om dens fordeler og ulemper," la han til. ®

Tidstempel:

Mer fra Registeret