NASAとIBMは、HLSジオスペーシャルFMを使用したAI研究のためにパートナーシップを結んでいます。この研究は、IBM Cloud VelaスーパーコンピュータとNVIDIA V100 GPUを使用してIBM Watson FM Stack上でトレーニングされました。これにより、様々な応用がカバーされます。この基礎モデルは、複雑な科学的問題に対処し、AIの広範な展開を加速するための非常に大きなポテンシャルを持っています。これは、NASAのオープンソース科学イニシアチブ（OSSI）の一部であり、今後10年間にわたって包括的で透明性のある共同科学コミュニティの構築に取り組んでいます。
NASAとIBMの主な目標は、研究者が地球プロセスに関連するNASAのデータセットを分析し、洞察を得るための簡単な方法を提供することです。彼らは、NASAのHarmonised Landsat Sentinel-2（HLS）データに基づいた最新の地理空間AI基礎モデルについてのパブリックリポジトリをオープンソース化しました。この人工知能モデルは、地球科学におけるAIの応用における画期的なものであり、NASAの衛星データへのアクセスを広げ、NASAの地球観測データからの気候関連の発見を加速することを目指しています。
HLSジオスペーシャルFM画像の機能は何ですか？
基礎モデルは、ラベルのないデータでトレーニングされ、さまざまなタスクを処理するタイプのAIモデルです。これは、科学研究の迅速なプロトタイピングとオープンなコラボレーションのためにクラウドリソースへの迅速なアクセスを可能にするScience Managed Cloud Environment（SMCE）上で実行されます。SMCEは、メリーランド州グリーンベルトにあるNASAのゴダード宇宙飛行センターにあります。
さらに、気候変動は多くの課題を抱えており、このモデルは衛星画像の分析を加速し、科学的な発見を促進するのに役立つことができます。これは、最新の深層学習モデルよりも4倍高速に地理空間データを分析し、ラベル付きデータの半分で実行します。商用版のモデルは、今年後半にIBM Environmental Intelligence Suite（EIS）を通じて提供されます。
これは、地球の相互に関連するプロセスと持続的な自然および人為的な変化の気候効果を理解する上で重要な役割を果たす可能性があります。
NASAとIBMによって開発されたFoundation Modelsにより、以下のような潜在的な応用が考えられます：
- 土地利用の変化の追跡
- 自然災害のモニタリング
- 作物収量の予測
- 将来のリスクエリアの予測
- 森林伐採の追跡
- 温室効果ガスのモニタリング
これは、灌漑農地の真のカラーコンポジット画像を表示することができます。これは、HLS Foundation Modelの評価やその利点と欠点に関するフィードバックを共有するために使用されるEarth Science and Application Communitiesとして知られています。
NASAのインパクト
これは、HLS処理アーキテクチャのために開発されたインストゥルメントであり、ほぼ全球的なカバレッジを実現するためのものです。これは、NASAのWorldwide Earth Science Data Visualisation Toolを使用して対話的に探索することができ、NASA Earth Data Searchを通じてダウンロードすることができます。
それはNASAのInteragency Implementation and Advanced Concepts Teamを表しており、重要な役割を果たしています。それはアラバマ州ハンツビルにあるNASAのマーシャル宇宙飛行センターにあります。これはNASAの地球科学データシステム（ESD）プログラムの一部です。Foundation Modelについて話すと、それはNASAの事前学習済みの地球観測データで訓練されており、2024年までに250,000テラバイトになる予定です。これにより、膨大な量のデータの分析を2つの主要な方法で加速することができます。
Generative Artificial Intelligenceとは異なり、Foundation Modelは大規模なトレーニングデータセットを必要としません。大規模なトレーニングデータセットの作成は手間がかかり、リソースを消費する場合があります。この会社は時間とお金を節約するために、より小さなデータセットでトレーニングを行い、FM Outputを使用して特定のタスク（例：土地利用の変化の追跡や自然災害の監視）を実行することができるようにしました。
この共同の取り組みには、クラーク大学のCentre for Geospatial Analytics、ESA（欧州宇宙機関）、USGS、米国エネルギー省のオークリッジ国立研究所が含まれています。これらのデータにAIを適用することを含む、イノベーション、パートナーシップ、テクノロジーを通じてNASAの地球観測データを拡大することが求められています。
HLS論理データセット
このプロジェクトは、NASA/USGS Landsat 8および9衛星のOperational Land Imager（OLI）と欧州連合のCopernicus Sentinel-2AおよびSentinel-2B衛星のMulti-Spectral Instrument（MSI）から一貫した地表面反射データを提供します。これらの組み合わせたセンサーによる測定は、30メートルの空間分解能で2〜3日ごとに世界的な土地観測を可能にします。
FMsのために必要なHLS Geospatial FMは、これらのモデルのトレーニングに使用されるニューラルネットワークアーキテクチャがより複雑になるにつれて、常に進化しています。NASAとIBMは、地球観測から洞察を抽出するためのいくつかのアプリケーションを開発しており、それにはEarth Science Literatureに基づいたLLMも含まれています。
NASA AIモデルの微調整
最近のワークショップでは、NASA AI FMの潜在能力が示され、電気電子学会のGeoscience and Remote Sensing Society（ICEE GRSS）との協力により、Earth Science Informatics Technical Committee（ESI TC）がHLSデータを使用したFMの開発をカバーし、IBMのWatsonx.aiを使用してFMの微調整の実習も行われました。NASAの共同作業に関するオープンサイエンスガイドラインと原則に従い、これらのモデルと製品は科学コミュニティ全体で公開され、利用可能になります。
|
LLMs |
モデル |
デモ |
| Prithvi 100M | ||
| Prithvi 100M Burn Scars | ||
| Burn Scars | ||
| Prithvi 100M Multitemporal Crop Detection |
それは公式にHugging Faceにリストされています。Foundation Modelは、観測データの分析方法を革新し、地球の理解に役立つ可能性があります。