IBM 및 NASA 오픈 소스 위성

IBM과 NASA는 과학자와 다른 사람들이 위성 이미지를 분석하는 데 도움이 될 수 있는 오픈 소스 기반 AI 모델인 Prithvi를 모아 출시했습니다.

Apache 2 라이선스로 출시된 비전 변환기 모델은 1억 개의 매개변수로 상대적으로 작으며 미국 우주 탐사선의 HLS(Harmonized Landsat Sentinel-2) 프로그램에서 수집한 1년 분량의 이미지로 훈련되었습니다. 기본 모델뿐만 아니라 홍수 식별을 위해 미세 조정된 Prithvi의 세 가지 변형을 사용할 수 있습니다. 산불 화상 흉터; 농작물 및 기타 토지 이용.

기본적으로 다음과 같이 작동합니다. 모델 중 하나에 머리 위 위성 사진을 제공하면 모델이 이해하는 스냅 영역에 라벨이 지정됩니다. 예를 들어, 작물에 맞게 미세 조정된 변형은 물, 숲, 옥수수 밭, 목화 밭, 개발된 토지, 습지 등이 있는 곳을 지적할 수 있습니다.

우리는 이 컬렉션이 홍수로 인한 침식 추적이나 가뭄과 산불이 지역에 미치는 영향 등 시간 경과에 따른 토지 변화 연구를 자동화하는 데 유용할 것이라고 생각합니다. Big Blue와 NASA가 기계 학습을 통해 이 작업을 수행한 최초의 회사는 아닙니다. 우리가 인용할 수 있는 이전의 노력이 많이 있습니다.

작물 분류 Prithvi 모델의 데모는 여기에서 찾을 수 있습니다. 자신만의 위성 이미지를 제공하거나 페이지 하단에 있는 예시 중 하나를 사용하세요. 모델을 실시간으로 실행하려면 제출을 클릭하세요.

NASA의 최고 과학 데이터 책임자인 케빈 머피(Kevin Murphy)는 성명을 통해 “우리는 기초 모델이 관측 데이터 분석 방식을 바꾸고 지구를 더 잘 이해하는 데 도움이 될 잠재력이 있다고 믿는다”고 말했다. "그리고 그러한 모델을 오픈소스로 공개하고 이를 전 세계에 공개함으로써 우리는 그 영향력을 배가할 수 있기를 바랍니다."

개발자는 여기에서 Hugging Face의 모델을 다운로드할 수 있습니다.

Prithvi의 다른 온라인 데모도 있습니다. 예를 들어 수역에 맞게 미세 조정된 변형에 대한 데모입니다. 이것은 산불 흉터를 감지하는 데 사용됩니다. 그리고 이것은 부분적으로 촬영된 영역을 재구성하는 모델의 능력을 보여주는 것입니다.

기초 모델은 특정 작업을 수행하기 위해 미세 조정할 수 있는 사전 훈련된 일반화 모델입니다. 스탠포드 인간 중심 인공 지능 연구소(Stanford Institute for Human-Centered Artificial Intelligence)가 만든 용어입니다. IBM은 Prithvi가 레이블이 지정된 데이터의 절반 미만에 의존함에도 불구하고 지리공간 이미지 분석에 있어서 이전(이름이 알려지지 않은) 최첨단 기술보다 최대 15% 더 우수하다고 주장합니다.

특히 지구 궤도를 도는 과학 탐사선이 수집한 위성 데이터의 양이 2024년까지 250,000테라바이트에 이를 것으로 추산되기 때문에 이 모델이 사람들이 기후 변화와 토지 사용을 추적하는 데 도움이 되기를 바랍니다.

IBM은 자사의 AI 슈퍼컴퓨터 클러스터인 Vela를 사용하여 모델을 훈련했다고 밝혔습니다. 즉, Big Blue가 Nvidia V100 GPU를 사용하여 홍수 감지 모델을 미세 조정하는 데 약 1시간밖에 걸리지 않았으므로 자신만의 변형을 만드는 데 막대한 양의 철이 필요하지 않을 수도 있습니다.

Prithvi의 상용화 버전은 올해 후반에 출시될 예정입니다.

NASA IMPACT(기관 간 구현 및 고급 개념 팀)의 관리자이자 수석 연구 과학자인 Rahul Ramachandran은 "지구 관측을 위한 AI 기반 모델은 복잡한 과학적 문제를 해결하고 다양한 응용 분야에서 AI의 광범위한 배포를 촉진할 수 있는 엄청난 잠재력을 제시합니다."라고 말했습니다.

"우리는 지구 과학 및 응용 커뮤니티가 다양한 용도로 이 초기 HLS 기반 모델을 평가하고 장점과 단점에 대한 피드백을 공유할 것을 요청합니다."라고 그는 덧붙였습니다. ®

우리에게 소식을 보내주세요