IBMとNASAのオープンソース衛星

IBM と NASA は、科学者やその他の人々が衛星画像を分析するのに役立つオープンソースの基盤 AI モデルである Prithvi をまとめてリリースしました。

Apache 2 ライセンスの下でリリースされたビジョン トランスフォーマー モデルは、パラメータ数が 1 億と比較的小さく、米国宇宙基地の Harmonized Landsat Sentinel-2 (HLS) プログラムによって収集された 1 年分の画像でトレーニングされました。 メイン モデルと同様に、Prithvi の 3 つのバリアントが利用可能であり、フラッディングを識別するために微調整されています。 山火事の火傷跡。 作物やその他の土地利用。

基本的に、これは次のように機能します。モデルの 1 つに上空の衛星写真を入力すると、モデルが認識したスナップ内の領域にラベルが付けられます。 たとえば、作物用に微調整されたバリアントは、水、森林、トウモロコシ畑、綿花畑、開発地、湿地などがあるであろう場所を指摘できます。

このコレクションは、たとえば、洪水による侵食の追跡や、干ばつや山火事が地域をどのように襲ったかなど、時間の経過に伴う土地の変化の研究を自動化するのに役立つだろうと私たちは想像しています。 Big Blue と NASA が機械学習を使ってこれを行うのは初めてではありません。引用できる以前の取り組みはたくさんあります。

作物分類 Prithvi モデルのデモはここにあります。 独自の衛星画像を提供するか、ページの下部にある例のいずれかを使用します。 [送信] をクリックしてモデルをライブで実行します。

NASAの最高科学データ責任者であるケビン・マーフィー氏は声明で、「基礎モデルには観測データの分析方法を変え、地球への理解を深めるのに役立つ可能性があると信じている」と述べた。 「そして、そのようなモデルをオープンソース化し、世界中で利用できるようにすることで、その影響を倍増させたいと考えています。」

開発者は、ここから Hugging Face からモデルをダウンロードできます。

Prithvi のオンライン デモは他にもあります。たとえば、このデモは水域に合わせて微調整されたものです。 これは山火事の傷跡を検出するためのものです。 そしてこれは、部分的に撮影された領域を再構成するモデルの能力を示しています。

基礎モデルは、特定のタスクを実行するために微調整できる事前トレーニングされた一般化モデルです。 これは、スタンフォード人間中心人工知能研究所によって作られた用語です。 IBMは、Prithviは、依存するラベル付きデータの量が半分以下であるにもかかわらず、地理空間画像の分析において、以前の（名称不明の）最先端技術よりも最大15パーセント優れていると主張している。

特に、地球を周回する科学探査機によって収集される衛星データの量は 2024 年までに 250,000 テラバイトに達すると推定されているため、このモデルが人々の気候変動と土地利用の追跡に役立つことが期待されています [PDF]。

IBMは、同社のAIスーパーコンピュータークラスターであるVelaを使用してモデルをトレーニングしたと述べた。 とはいえ、Big Blue が Nvidia V100 GPU を使用してフラッディングを検出するモデルを微調整するのに要した時間はわずか 1 時間程度だったとも言われているため、独自のバリアントを作成するのに巨大な鉄の塊は必要ないかもしれません。

Prithvi の商用バージョンは、それが何であれ、今年後半に利用可能になる予定です。

「地球観測用の AI 基盤モデルは、複雑な科学的問題に対処し、さまざまなアプリケーションにわたる AI の広範な展開を促進する大きな可能性を示しています」と NASA の機関間実装および先進概念チーム (IMPACT) のマネージャー兼上級研究員であるラーフル・ラマチャンドラン氏は述べています。

「私たちは地球科学とアプリケーションのコミュニティに対し、この初期の HLS 基盤モデルをさまざまな用途に向けて評価し、その長所と短所についてのフィードバックを共有するよう呼びかけます。」と彼は付け加えました。 ®

ニュースを送ってください