Model sztucznej inteligencji do etykietowania obrazów satelitarnych IBM i NASA

Model sztucznej inteligencji do etykietowania obrazów satelitarnych IBM i NASA

Znacznik czasu: 3 sierpnia 2023 8:40
Model sztucznej inteligencji PlatoBlockchain Data Intelligence z otwartym kodem źródłowym IBM i NASA do etykietowania obrazów satelitarnych. Wyszukiwanie pionowe. AI.

IBM i NASA stworzyły i wydały Prithvi: model sztucznej inteligencji oparty na otwartym kodzie źródłowym, który może pomóc naukowcom i innym osobom analizować zdjęcia satelitarne.

Model transformatora wizyjnego, wydany na licencji Apache 2, jest stosunkowo mały i ma 100 milionów parametrów, i został przeszkolony na rocznym obrazie zebranym przez Harmonized Landsat Sentinel-2 amerykańskich kosmonautów (HLS) programu. Oprócz głównego modelu dostępne są trzy warianty Prithvi, dostrojone do wykrywania powodzi; blizny po oparzeniach; oraz uprawy i inne użytkowanie gruntów.

Zasadniczo działa to w ten sposób: przekazujesz jednemu z modeli zdjęcie satelitarne z góry, a ono oznacza obszary w zrozumiałym dla siebie momencie. Na przykład wariant dostosowany do upraw może wskazać, gdzie prawdopodobnie jest woda, lasy, pola kukurydzy, pola bawełny, tereny zabudowane, tereny podmokłe i tak dalej.

Wyobrażamy sobie, że ta kolekcja byłaby przydatna, powiedzmy, do zautomatyzowania badania zmian gruntów w czasie – takich jak śledzenie erozji spowodowanej powodziami lub tego, jak susza i pożary nawiedziły region. Big Blue i NASA nie są pierwszymi, którzy robią to z uczeniem maszynowym: są mnóstwo of poprzednie wysiłki moglibyśmy przytoczyć.

Można znaleźć wersję demonstracyjną modelu Prithvi do klasyfikacji upraw tutaj. Podaj własne zdjęcia satelitarne lub skorzystaj z jednego z przykładów na dole strony. Kliknij Prześlij, aby uruchomić model na żywo.

„Wierzymy, że modele fundamentów mogą zmienić sposób analizy danych obserwacyjnych i pomóc nam lepiej zrozumieć naszą planetę” — Kevin Murphy, dyrektor ds. danych naukowych w NASA, powiedziany w oświadczeniu. „Dzięki otwartemu pozyskiwaniu takich modeli i udostępnianiu ich światu mamy nadzieję zwielokrotnić ich wpływ”.

Deweloperzy mogą pobrać modele z Hugging Face tutaj.

Istnieją inne dema online Prithvi, takie jak ten dla wariantu dostrojonego do zbiorników wodnych; ten do wykrywania blizn po pożarach; I ten co pokazuje zdolność modelu do rekonstrukcji częściowo sfotografowanych obszarów.

Model podstawowy to wstępnie wyszkolony uogólniony model, który można precyzyjnie dostroić do wykonywania określonych zadań; to termin ukuty przez Stanford Institute for Human-Centered Artificial Intelligence. IBM roszczenia Prithvi jest nawet o 15 procent lepsza niż poprzednie (nienazwane) najnowocześniejsze techniki analizy obrazów geoprzestrzennych, mimo że opiera się na mniej niż połowie oznaczonych danych. 

Mamy nadzieję, że ten model pomoże ludziom śledzić zmiany klimatu i użytkowanie gruntów, zwłaszcza że szacuje się ilość danych satelitarnych zebranych przez sondy naukowe krążące wokół Ziemi [PDF] do 250,000 2024 terabajtów do XNUMX r.

IBM powiedział, że wytrenował model za pomocą Świeczka, jego klaster superkomputerów AI. To mówi, nam też powiedziano dostrojenie modelu do wykrywania zalania za pomocą procesora graficznego Nvidia V100 zajęło Big Blue tylko około godziny, więc możesz nie potrzebować ogromnych stosów żelaza, aby stworzyć własny wariant.

Skomercjalizowana wersja Prithvi, cokolwiek by to nie była, ma zostać udostępniona jeszcze w tym roku.

„Podstawowe modele sztucznej inteligencji do obserwacji Ziemi mają ogromny potencjał w rozwiązywaniu skomplikowanych problemów naukowych i przyspieszaniu szerszego wdrażania sztucznej inteligencji w różnych zastosowaniach” — powiedział Rahul Ramachandran, menedżer i starszy naukowiec w Międzyagencyjnym Zespole Implementacji i Zaawansowanych Koncepcji NASA (IMPACT). 

„Wzywamy społeczności zajmujące się nauką o Ziemi i aplikacjami do oceny tego wstępnego modelu podstawy HLS pod kątem różnych zastosowań i podzielenia się opiniami na temat jego zalet i wad” – dodał. ®

Znak czasu:

Więcej z Rejestr