あなたの好奇心を刺激する、テックと科学の総合ニュースサイト

NASAとIBM、気候変動監視のためのAI基礎モデル「Prithvi」をオープンソースで開発

IBMとNASAは、科学者やその他の人々が衛星画像を分析するための手助けとなる、オープンソースのAI基礎モデル「Prithvi」をリリースした。

IBMとNASAは、気候変動がもたらす、あらゆる課題を監視するためにAIを活用したいと考えている。IBMによると、環境条件がほぼ毎日変化する気候科学では、最新データへのアクセスが依然として大きな課題となっているとのことだ。科学者や研究者は、大規模なデータセットの分析において多くの障害や課題に直面している。

Apache 2ライセンスでリリースされたこのビジョントランスフォーマーモデルは、1億パラメータと比較的小さく、米国の宇宙専門家によるHarmonized Landsat Sentinel-2(HLS)プログラムで収集された1年分の画像で学習された。IBMによれば、微調整を加えることで、ベースモデルは森林伐採の追跡、作物収量の予測、温室効果ガスの検出と監視などのタスクに再展開できる。

このモデルはHugging Faceによって構築されており、NASAと共同で構築された同社初のオープンソースAI基礎モデルだ。

基本的には次のように動作する。モデルの1つに俯瞰衛星写真を与えると、それが理解できるスナップでエリアにラベルを付ける。例えば、農作物用に微調整されたモデルは、おそらく水、森林、トウモロコシ畑、綿花畑、開発された土地、湿地帯などがある場所を指し示すことができる。

このコレクションは、例えば、洪水による浸食の追跡や、干ばつや山火事が地域をどのように襲ったかの追跡など、時間の経過に伴う土地の変化の研究を自動化するのに役立つようだ。

作物を分類するPrithviモデルのデモはこちらで見ることができる。自分自身の所有する衛星画像を提供するか、ページ下部の例を使用することも出来る。

NASAのチーフ・サイエンス・データ・オフィサーであるKevin Murphy氏は声明の中で、「我々は、基礎モデルが観測データの分析方法を変え、我々の惑星をより良く理解するのに役立つ可能性があると信じています。そして、そのようなモデルをオープンソース化し、世界中に公開することで、その影響力を倍増させたいと考えています」と、述べている。

開発者は、ここからHugging Faceのモデルをダウンロードすることができる。

Prithviのオンラインデモは他にもあり、水域用に微調整されたバージョンのデモや、山火事の傷跡を検出するデモ、部分的に撮影された領域を再構築するモデルの能力を示すデモなどがある。

「気候変動のような重要な分野の発見を加速するために、オープンソース・テクノロジーが果たす役割は、かつてないほど明確になっています。柔軟で再利用可能なAIシステムの構築を目指したIBMの基盤モデルの取り組みと、NASAの地球衛星データリポジトリを組み合わせ、主要なオープンソースAIプラットフォームであるHugging Faceで利用できるようにすることで、私たちはコラボレーションの力を活用し、地球を改善する、より迅速でインパクトのあるソリューションを実装することができます」と、Murphy氏は述べている。

基礎モデル (Foundation Model)とは、特定のタスクを実行するために微調整が可能な、事前に訓練された一般化されたモデルのことで、スタンフォード人間中心人工知能研究所(Stanford Institute for Human-Centered Artificial Intelligence)によって作られた造語である。IBMは、Prithviが、ラベル付けされたデータの半分以下の量に依存しているにもかかわらず、地理空間画像の分析において、以前の(無名の)最先端技術よりも最大15%優れていると主張している。

特に、地球を周回する科学探査機が収集する衛星データの量は、2024年までに250,000テラバイトに達すると推定されているため、このモデルが気候変動や土地利用の追跡に役立つことが期待されている。

IBMは、同社のAIスーパーコンピューター・クラスタであるVelaを使ってモデルを訓練したと述べている。IBMがNVIDA V100 GPUを使って洪水を検知するモデルを微調整するのに要した時間は、わずか1時間程度だったという。

Prithviの商用化バージョンは、具体的な姿はまだ不明だが、今年後半に利用可能になる予定だ。

NASAのInteragency Implementation and Advanced Concepts Team (IMPACT)のマネージャー兼シニアリサーチサイエンティストであるRahul Ramachandran氏は、「地球観測のためのAI基礎モデルは、複雑な科学的問題に対処し、多様なアプリケーションにおけるAIの広範な展開を促進する巨大な可能性を秘めています。我々は、地球科学とアプリケーションのコミュニティに対し、この初期のHLS基礎モデルを様々な用途で評価し、その長所と短所についてフィードバックを共有するよう呼びかけています」と、述べている。


Sources

Follow Me !

\ この記事が気に入ったら是非フォローを! /

Share on:

関連コンテンツ

コメントする