IBM 和 NASA 开源用于分析卫星数据的开源 AI 模型

2023-08-08 08:25:18人工智能 新模型旨在帮助研究人员识别美国大陆可能面临洪水和野火风险的地区；迄今为止，该模型分析地理空间数据的用于速度相较最先进的神经网络提高了 15%。“通过进一步的分析微调，基础模型可以被重新部署，卫星用于跟踪森林砍伐、数据预测作物产量或探测和监测温室气体等任务。开源”

IBM 宣布在 Hugging Face 上开源其 watsonx.ai 地理空间基础模型 -- 基于美国国家航空航天局 (NASA) 的用于卫星数据构建。这将是分析 Hugging Face 上最大的地理空间基础模型，也是卫星首个与 NASA 合作构建的开源 AI 基础模型。

公告指出，数据作为与 NASA 签署的开源《太空法案协议》的一部分，IBM 在今年早些时候开始为地理空间数据建立 AI 基础模型。用于现在通过 Hugging Face 提供地理空间基础模型，分析可以推进 AI 访问和应用的卫星民主化，从而在气候和地球科学领域产生新的数据创新。

IBM Research AI 副总裁 Sriram Raghavan 称，“开源技术在加速气候变化等关键发现领域的重要作用从未如此清晰...... 我们可以利用协作的力量来实施更快、更有影响力的解决方案，从而改善我们的星球。”

IBM 和 NASA 在一个名为 Harmonized Landsat Sentinel-2 satellite data (HLS) 的地理空间数据集上联合训练了该模型。该数据集包括由 NASA 的 Landsat-8 卫星拍摄的地球表面图像，还包含来自欧洲航天局运营的卫星星座 Sentinel-2 的测量结果。

IBM 称，新模型旨在帮助研究人员识别美国大陆可能面临洪水和野火风险的地区；迄今为止，该模型分析地理空间数据的速度相较最先进的神经网络提高了 15%。“通过进一步的微调，基础模型可以被重新部署，用于跟踪森林砍伐、预测作物产量或探测和监测温室气体等任务。”

研究人员还与克拉克大学合作，计划将该模型应用于时间序列分割和相似性研究等领域。这是两种流行的数据分析方法，不仅可用于地理空间研究，还可用于一系列其他任务。例如，时间序列分割可用于研究股票价格波动的原因。

责任编辑：武晓燕 来源： OSCHINA AI模型时间序列

(责任编辑：焦点)