Nueve tipos de datos, un solo cerebro de IA: Terramind rompe los silos del análisis geoespacial para mapear mejor nuestro planeta, sin explotar medidores de carbono. Se cree que es inteligente y ligero, este modelo IA ve la tierra desde todos sus ángulos, sin la necesidad de una supercomputadora con cada inferencia, para permitirnos observarla mejor y comprenderla mejor.
Definitivamente, los investigadores de la IA están tratando de encontrar usos muy «de la naturaleza» para su IA dañina y perjudicial para los esfuerzos para reducir las emisiones de CO2. Ayer estábamos hablando con usted sobre los esfuerzos de Google Deepmind para decodificar el lenguaje de los delfines con su modelo de delfingemma abierto.
Hoy, la Agencia Espacial Europea (ESA) e IBM anuncian la publicación en código abierto de Terramindo¡Un modelo de inteligencia artificial generativa multimodal destinada al análisis geoespacial y la observación avanzada de la tierra y sus ecosistemas!
Diseñado con la ayuda de KP Labs, el Centro de Supercomputación Jülich y el DLR, Termumind se basa en nueve métodos de datos: imágenes satelitales, series climáticas, tarjetas de vegetación o encuestas topográficas) para cruzar información heterogénea y extraer correlaciones finas.
Actuaciones y metodología
Evaluado por ESA en Pangea Community Benchmark, Terramind supera los doce modelos de referencia y mejora la precisión promedio de al menos 8 % en las tareas operativas, como la clasificación de cobertura del suelo, la detección cambiante o el análisis de múltiples Capas. Esta eficiencia se deduce en parte de la arquitectura simétrica codificadora-decoder, optimizada para tratar píxeles, tokens textuales y secuencias temporales, al tiempo que limita la carga de cálculo: según IBM, la inferencia requiere diez veces menos recursos que los enfoques convencionales con un alcance equivalente.
Entrenamiento y reducción de la cama
El modelo fue priorizado en Trash, un corpus de nueve millones de muestras que cubren todos los biomas y usos del suelo. Esta diversidad tiene como objetivo minimizar los sesgos regionales y garantizar la transferibilidad global. Para Johannes Jakubik, investigador de IBM Research Zürich, la clave radica en el entorno «Pensamiento en modales»: «:» El modelo se produce autopense los datos de aprendizaje relevantes para el caso analizado, por ejemplo, pidiéndole que «piense» sobre el uso de la tierra cuando mapea los cuerpos de agua ». Esta generación sintética aumenta la eficiencia del ajuste fino sin el consumo adicional de los juegos de datos reales.
Una IA que conoce la tierra mejor que nosotros
Juan Bernabé-Morenne, gerente de IBM UK e Irlanda, resume la estaca: » Termumind va más allá del procesamiento de la imagen: tiene una comprensión intuitiva de los datos geoespaciales y nuestro planeta ».
Termumind extiende así la línea de modelos Prithvi desarrollados por IBM y NASA en 2023, cuya capacidad para activar la infraestructura reducida. Ya disponible en Hugging Face, se publicarán versiones especializadas en los próximos meses. La apertura del Código responde a la estrategia científica abierta de la NASA y la iniciativa de la ESA dirigida a democratizar los fundamentos de la IA para la observación planetaria.
Termumind trae así un marco unificado de IA para aplicaciones críticas vinculadas a las diferentes formas de observación de la tierra: monitoreo de la infraestructura de la tierra, predicción del estrés hídrico, monitoreo de la biodiversidad o la gestión del riesgo climático. Su ligereza del modelo facilita una implementación local, lo que limita la exposición de posibles datos sensibles a las nubes públicas.
Leer también:
EVO-2: el modelo más grande de IA en biología
Operai lanza sus modelos «O3» y «O4-Mini», dotado de AIS para analizar las imágenes, pensar y programar
IBM y Pasqal: «El cuántico ya ha dejado el laboratorio … hoy, tenemos clientes …»
¡IBM está lanzando su nuevo mainframe, el Z17, construido para la era de AI!
[
