随着气候变化加剧洪水、飓风、干旱和野火等恶劣天气事件，传统的灾害应对方法难以跟上。虽然卫星技术、无人机和远程传感器的进步使监测更加有效，但只有少数组织才能访问这些重要数据，许多研究人员和创新者没有他们需要的工具。每天产生的大量地理空间数据也成为一项挑战——让组织不堪重负，更难提取有意义的见解。为了解决这些问题，需要可扩展、可访问和智能的工具，将庞大的数据集转化为可操作的气候见解。这就是地理空间 AI变得至关重要的地方——这是一种新兴技术，有可能分析大量数据，提供更准确、更主动、更及时的预测。本文探讨了 IBM 和 NASA 之间的开创性合作，以开发先进、更易于访问的地理空间 AI，为更广泛的受众提供推动创新环境和气候解决方案所需的工具。
IBM 和 NASA 为何率先推出基础地理空间 AI
基础模型(FM) 代表了 AI 领域的一个新领域，旨在从大量未标记数据中学习，并将其洞察应用于多个领域。这种方法有几个关键优势。与传统 AI 模型不同，FM 不依赖于大量精心策划的数据集。相反，它们可以在较小的数据样本上进行微调，从而节省时间和资源。这使它们成为加速气候研究的有力工具，因为收集大型数据集可能成本高昂且耗时。
此外，FM 简化了专用应用程序的开发，减少了冗余工作。例如，一旦训练了 FM，它就可以适应多种下游应用，例如监测自然灾害或跟踪土地使用情况，而无需进行大量再训练。虽然初始训练过程可能需要大量计算能力，需要数万个 GPU 小时。但是，一旦训练完成，在推理过程中运行它们只需几分钟甚至几秒钟。
此外，FM 可以让更广泛的受众使用先进的天气模型。以前，只有资金充足、资源丰富的机构才能运行这些模型，以支持复杂的基础设施。然而，随着预先训练的 FM 的兴起，气候建模现在已为更广泛的研究人员和创新者群体所用，为更快的发现和创新的环境解决方案开辟了新途径。
基础地理空间人工智能的起源
FM 的巨大潜力促使 IBM 和 NASA 合作构建地球环境的综合 FM。此次合作的主要目标是使研究人员能够以有效且易于访问的方式从 NASA 广泛的地球数据集中提取见解。
在这一追求中，他们于 2023 年 8 月取得了重大突破，推出了用于地理空间数据的开创性 FM 。该模型是在 NASA 庞大的卫星数据集上进行训练的，该数据集包含来自协调 Landsat Sentinel-2 (HLS)计划的 40 年图像档案。它使用先进的 AI 技术（包括变压器架构）来高效处理大量地理空间数据。HLS 模型是使用IBM 的 Cloud Vela 超级计算机和 watsonx FM 堆栈开发的，其数据分析速度比传统深度学习模型快四倍，同时需要的标记数据集要少得多。
该模型的潜在应用非常广泛，从监测土地利用变化和自然灾害到预测农作物产量。重要的是，这个强大的工具在 Hugging Face 上免费提供，让世界各地的研究人员和创新者能够利用其功能，为气候和环境科学的进步做出贡献。
基础地理空间人工智能的进展
在此势头的推动下，IBM 和 NASA 最近推出了另一个突破性的开源模型 FM：Prithvi WxC。该模型旨在解决短期天气挑战和长期气候预测。FM 预先训练了 NASA 40 年的地球观测数据，这些数据来自现代时代回顾分析研究和应用版本 2 ( MERRA-2 )，与传统预测模型相比，FM 取得了重大进步。
该模型使用视觉变换器和掩蔽自动编码器构建，使其能够随时间对空间数据进行编码。通过结合时间注意机制，FM 可以分析 MERRA-2 再分析数据，该数据整合了各种观测流。该模型既可以在球面（如传统气候模型）上运行，也可以在平面矩形网格上运行，从而可以在不损失分辨率的情况下在全球视图和区域视图之间切换。
这种独特的架构使 Prithvi 能够在全球、区域和本地范围内进行微调，同时在标准台式计算机上运行仅需数秒。此 FM 模型可用于一系列应用，包括预测当地天气、预测极端天气事件、提高全球气候模拟的空间分辨率以及改进传统模型中物理过程的表示。此外，Prithvi 还附带两个微调版本，专为特定的科学和工业用途而设计，可为环境分析提供更高的精度。该模型可在 hugging face 上免费获取。
底线
IBM 和 NASA 的合作正在重新定义地理空间 AI，使研究人员和创新者更容易应对紧迫的气候挑战。通过开发能够有效分析大型数据集的基础模型，此次合作增强了我们预测和管理恶劣天气事件的能力。更重要的是，它为更广泛的受众打开了使用这些强大工具的大门，而这些工具以前仅限于资源丰富的机构。随着这些先进的 AI 模型为更多人所用，它们为创新解决方案铺平了道路，这些解决方案可以帮助我们更有效、更负责任地应对气候变化。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/ibm-he-nasa-ru-he-chong-xin-ding-yi-di-li-kong-jian-ai-yi
