À medida que as alterações climáticas alimentam fenómenos meteorológicos cada vez mais graves, como inundações, furacões, secas e incêndios florestais, os métodos tradicionais de resposta a catástrofes têm dificuldade em acompanhar o ritmo. Embora os avanços na tecnologia de satélite, drones e sensores remotos permitam uma melhor monitorização, o acesso a estes dados vitais permanece limitado a algumas organizações, deixando muitos investigadores e inovadores sem as ferramentas de que necessitam. A enxurrada de dados geoespaciais gerados diariamente também se tornou um desafio, sobrecarregando as organizações e dificultando a extração de insights significativos. Para resolver estas questões, são necessárias ferramentas escaláveis, acessíveis e inteligentes para transformar vastos conjuntos de dados em informações climáticas acionáveis. É aqui que a IA geoespacial se torna important – uma tecnologia emergente que tem potencial para analisar grandes volumes de dados, fornecendo previsões mais precisas, proativas e oportunas. Este artigo explora a colaboração inovadora entre a IBM e a NASA para desenvolver IA geoespacial avançada e mais acessível, capacitando um público mais amplo com as ferramentas necessárias para impulsionar soluções ambientais e climáticas inovadoras.
Por que a IBM e a NASA são pioneiras na IA geoespacial da Fundação
Os modelos básicos (FMs) representam uma nova fronteira na IA, projetados para aprender com grandes quantidades de dados não rotulados e aplicar seus insights em vários domínios. Essa abordagem oferece diversas vantagens importantes. Ao contrário dos modelos tradicionais de IA, os FMs não dependem de conjuntos de dados massivos e meticulosamente selecionados. Em vez disso, eles podem fazer ajustes finos em amostras de dados menores, economizando tempo e recursos. Isto torna-os numa ferramenta poderosa para acelerar a investigação climática, onde a recolha de grandes conjuntos de dados pode ser dispendiosa e demorada.
Além disso, os FMs agilizam o desenvolvimento de aplicações especializadas, reduzindo esforços redundantes. Por exemplo, uma vez formado, um FM pode ser adaptado a diversas aplicações a jusante, como a monitorização de desastres naturais ou o acompanhamento da utilização do solo, sem necessitar de uma reciclagem extensiva. Embora o processo de treinamento inicial possa exigir um poder computacional significativo, exigindo dezenas de milhares de horas de GPU. No entanto, uma vez treinados, executá-los durante a inferência leva apenas alguns minutos ou até segundos.
Além disso, os FMs poderiam tornar modelos meteorológicos avançados acessíveis a um público mais amplo. Anteriormente, apenas instituições bem financiadas e com recursos para apoiar infraestruturas complexas podiam executar estes modelos. No entanto, com o aumento de FMs pré-formados, a modelação climática está agora ao alcance de um grupo mais amplo de investigadores e inovadores, abrindo novos caminhos para descobertas mais rápidas e soluções ambientais inovadoras.
A Gênese da IA Geoespacial da Fundação
O vasto potencial dos FMs levou a IBM e a NASA a colaborarem para a construção de um FM abrangente do ambiente da Terra. O principal objetivo desta parceria é capacitar os pesquisadores para extrair insights dos extensos conjuntos de dados da Terra da NASA de uma maneira que seja eficaz e acessível.
Nessa busca, eles alcançaram um avanço significativo em agosto de 2023 com o lançamento de um FM pioneiro para dados geoespaciais. Este modelo foi treinado no vasto conjunto de dados de satélite da NASA, compreendendo um arquivo de imagens de 40 anos do programa Harmonized Landsat Sentinel-2 (HLS). Utiliza técnicas avançadas de IA, incluindo arquiteturas de transformadores, para processar com eficiência volumes substanciais de dados geoespaciais. Desenvolvido usando o supercomputador Cloud Vela da IBM e a pilha watsonx FM, o modelo HLS pode analisar dados até quatro vezes mais rápido do que os modelos tradicionais de aprendizagem profunda, ao mesmo tempo que requer significativamente menos conjuntos de dados rotulados para treinamento.
As aplicações potenciais deste modelo são extensas, desde a monitorização de mudanças no uso da terra e desastres naturais até à previsão do rendimento das colheitas. É importante ressaltar que esta ferramenta poderosa está disponível gratuitamente no Hugging Face, permitindo que pesquisadores e inovadores em todo o mundo utilizem suas capacidades e contribuam para o avanço da ciência climática e ambiental.
Avanços na IA geoespacial básica
Aproveitando esse impulso, a IBM e a NASA lançaram recentemente outro modelo FM de código aberto inovador: Prithvi WxC. Este modelo foi concebido para abordar tanto os desafios climáticos de curto prazo como as previsões climáticas de longo prazo. Pré-treinado em 40 anos de dados de observação da Terra da NASA da análise retrospectiva da period moderna para pesquisa e aplicações, versão 2 (MERRA-2), o FM oferece avanços significativos em relação aos modelos de previsão tradicionais.
O modelo é construído usando um transformador de visão e um autoencoder mascarado, permitindo codificar dados espaciais ao longo do tempo. Ao incorporar um mecanismo de atenção temporal, o FM pode analisar dados de reanálise MERRA-2, que integra vários fluxos observacionais. O modelo pode operar tanto em uma superfície esférica, como os modelos climáticos tradicionais, quanto em uma grade plana e retangular, permitindo alternar entre visualizações globais e regionais sem perder resolução.
Essa arquitetura exclusiva permite que o Prithvi seja ajustado em escalas globais, regionais e locais, enquanto é executado em um computador desktop padrão em segundos. Este modelo FM pode ser empregado para uma variedade de aplicações, desde a previsão do tempo native até a previsão de eventos climáticos extremos, melhorando a resolução espacial de simulações climáticas globais e refinando a representação de processos físicos em modelos convencionais. Além disso, o Prithvi vem com duas versões aprimoradas projetadas para usos científicos e industriais específicos, proporcionando ainda maior precisão para análises ambientais. O modelo está disponível gratuitamente no rosto abraçado.
O resultado closing
A parceria entre a IBM e a NASA está a redefinir a IA geoespacial, tornando mais fácil para os investigadores e inovadores enfrentarem os desafios climáticos prementes. Ao desenvolver modelos básicos que podem analisar eficazmente grandes conjuntos de dados, esta colaboração aumenta a nossa capacidade de prever e gerir eventos climáticos severos. Mais importante ainda, abre a porta a um público mais vasto para aceder a estas ferramentas poderosas, anteriormente limitadas a instituições com bons recursos. À medida que estes modelos avançados de IA se tornam acessíveis a mais pessoas, abrem caminho para soluções inovadoras que podem ajudar-nos a responder às alterações climáticas de forma mais eficaz e responsável.
