IBM och NASA med öppen källkod för satellitbildsmärkning av AI-modell

IBM och NASA med öppen källkod för satellitbildsmärkning av AI-modell

Tidsstämpel: 3 augusti 2023 8:40
IBM och NASA med öppen källkod för satellitbildsmärkning av AI-modell PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

IBM och NASA har satt ihop och släppt Prithvi: en AI-modell med öppen källkod som kan hjälpa forskare och andra människor att analysera satellitbilder.

Visionstransformatormodellen, släppt under en Apache 2-licens, är relativt liten med 100 miljoner parametrar och tränades på ett års bilder som samlats in av de amerikanska rymdboffinernas Harmonized Landsat Sentinel-2 (HLS) program. Förutom huvudmodellen finns tre varianter av Prithvi tillgängliga, finjusterade för att identifiera översvämning; skogsbrand bränna ärr; och grödor och annan markanvändning.

I grund och botten fungerar det så här: du matar en av modellerna med ett satellitfoto över huvudet, och det märker områden i det ögonblick den förstår. Till exempel kan varianten finjusterad för grödor peka ut var det förmodligen finns vatten, skogar, majsfält, bomullsfält, utvecklad mark, våtmarker och så vidare.

Den här samlingen, vi föreställer oss, skulle vara användbar för att till exempel automatisera studien av förändringar av mark över tid – som att spåra erosion från översvämningar, eller hur torka och skogsbränder har drabbat en region. Big Blue och NASA är inte de första att göra detta med maskininlärning: det finns gott of tidigare ansträngningar vi skulle kunna citera.

En demo av den grödklassificerande Prithvi-modellen kan hittas här.. Ange dina egna satellitbilder eller använd ett av exemplen längst ner på sidan. Klicka på Skicka för att köra modellen live.

"Vi tror att grundmodeller har potentialen att förändra sättet att analysera observationsdata och hjälpa oss att bättre förstå vår planet," Kevin Murphy, chief science data officer vid NASA, sade i ett påstående. "Och genom att öppna sådana modeller och göra dem tillgängliga för världen hoppas vi kunna multiplicera deras inverkan."

Utvecklare kan ladda ner modellerna från Hugging Face här..

Det finns andra onlinedemos av Prithvi, som t.ex denna för varianten finjusterad för vattendrag; denna för att upptäcka ärr vid skogsbrand; och denna som visar upp modellens förmåga att rekonstruera delvis fotograferade områden.

En grundmodell är en förutbildad generaliserad modell som kan finjusteras för att utföra specifika uppgifter; det är en term som myntats av Stanford Institute for Human-Centered Artificial Intelligence. IBM hävdar Prithvi är upp till 15 procent bättre än tidigare (onamngivna) toppmoderna tekniker när det gäller att analysera geospatiala bilder, trots att de förlitar sig på mindre än hälften så mycket märkt data. 

Man hoppas att den här modellen kommer att hjälpa människor att spåra klimatförändringar och markanvändning, särskilt som mängden satellitdata som samlats in av vetenskapliga sonder som kretsar runt jorden uppskattas [PDF] för att nå 250,000 2024 terabyte år XNUMX.

IBM sa att det tränade modellen med hjälp av Ljus, dess AI-superdatorkluster. Som sagt, vi får också veta det tog Big Blue bara ungefär en timme att finjustera modellen för att upptäcka översvämningar med hjälp av en Nvidia V100 GPU, så du kanske inte behöver stora järnhögar för att skapa din egen variant.

En kommersialiserad version, vad det än kan vara, av Prithvi kommer att göras tillgänglig senare i år.

"AI grundmodeller för jordobservationer erbjuder en enorm potential för att ta itu med komplicerade vetenskapliga problem och påskynda den bredare utbyggnaden av AI över olika applikationer", säger Rahul Ramachandran, chef och senior forskare vid NASA:s Interagency Implementation and Advanced Concepts Team (IMPACT). 

"Vi uppmanar geovetenskaps- och applikationsgemenskaperna att utvärdera denna första HLS-grundmodell för en mängd olika användningsområden och dela feedback om dess fördelar och nackdelar," tillade han. ®

Tidsstämpel:

Mer från Registret