Satélite de código aberto IBM e NASA

A IBM e a NASA criaram e lançaram o Prithvi: um modelo básico de IA de código aberto que pode ajudar cientistas e outras pessoas a analisar imagens de satélite.

O modelo do transformador de visão, lançado sob uma licença Apache 2, é relativamente pequeno, com 100 milhões de parâmetros, e foi treinado com base em imagens de um ano coletadas pelo programa Harmonized Landsat Sentinel-2 (HLS) dos especialistas espaciais dos EUA. Além do modelo principal, estão disponíveis três variantes do Prithvi, ajustadas para identificar inundações; cicatrizes de queimaduras de incêndio; e culturas e outros usos da terra.

Essencialmente, funciona assim: você alimenta um dos modelos com uma foto aérea de satélite e ele rotula as áreas no instantâneo que entende. Por exemplo, a variante ajustada para culturas pode indicar onde provavelmente há água, florestas, campos de milho, campos de algodão, terras desenvolvidas, zonas húmidas, e assim por diante.

Esta coleção, imaginamos, seria útil para, por exemplo, automatizar o estudo das mudanças na terra ao longo do tempo – como rastrear a erosão causada por inundações ou como a seca e os incêndios florestais atingiram uma região. A Big Blue e a NASA não são as primeiras a fazer isso com aprendizado de máquina: há muitos esforços anteriores que poderíamos citar.

Uma demonstração do modelo Prithvi de classificação de culturas pode ser encontrada aqui. Forneça suas próprias imagens de satélite ou use um dos exemplos na parte inferior da página. Clique em Enviar para executar o modelo ao vivo.

“Acreditamos que os modelos básicos têm o potencial de mudar a forma como os dados observacionais são analisados ​​e nos ajudam a compreender melhor o nosso planeta”, disse Kevin Murphy, diretor de dados científicos da NASA, em um comunicado. “E ao abrir o código de tais modelos e disponibilizá-los ao mundo, esperamos multiplicar o seu impacto”.

Os desenvolvedores podem baixar os modelos do Hugging Face aqui.

Existem outras demonstrações online do Prithvi, como esta para a variante ajustada para corpos d'água; este para detectar cicatrizes de incêndios florestais; e este que mostra a capacidade do modelo em reconstruir áreas parcialmente fotografadas.

Um modelo básico é um modelo generalizado pré-treinado, capaz de ser ajustado para executar tarefas específicas; é um termo cunhado pelo Stanford Institute for Human-Centered Artificial Intelligence. A IBM afirma que o Prithvi é até 15% melhor do que as técnicas de última geração anteriores (sem nome) na análise de imagens geoespaciais, apesar de depender de menos da metade dos dados rotulados.

Espera-se que este modelo ajude as pessoas a rastrear as mudanças climáticas e o uso da terra, especialmente porque a quantidade de dados de satélite coletados por sondas científicas que orbitam a Terra é estimada [PDF] em 250.000 terabytes até 2024.

A IBM disse que treinou o modelo usando Vela, seu cluster de supercomputadores de IA. Dito isso, também fomos informados que a Big Blue levou apenas cerca de uma hora para ajustar o modelo para detectar inundações usando uma GPU Nvidia V100, então você pode não precisar de enormes pilhas de ferro para criar sua própria variante.

Uma versão comercializada, seja ela qual for, do Prithvi deverá ser disponibilizada ainda este ano.

“Os modelos básicos de IA para observações da Terra apresentam um enorme potencial para resolver problemas científicos complexos e acelerar a implantação mais ampla de IA em diversas aplicações”, disse Rahul Ramachandran, gerente e cientista pesquisador sênior da Equipe de Implementação Interagências e Conceitos Avançados (IMPACT) da NASA.

"Apelamos às comunidades de ciências e aplicações da Terra para avaliarem este modelo inicial de base HLS para uma variedade de usos e compartilharem feedback sobre seus méritos e desvantagens", acrescentou. ®

Envie-nos novidades