新的 IBM 基础模型技术利用 NASA 地球科学数据实现地理空间情报

IBM 和 NASA 马歇尔太空飞行中心宣布开展合作，利用 IBM 的 AI 技术从 NASA 的大量地球和地理空间科学数据中发现新见解。 这项联合工作将首次将人工智能基础模型技术应用于 NASA 的地球观测卫星数据。

基础模型是人工智能模型的类型，它们在大量未标记数据上进行训练，可用于不同的任务，并且可以将一种情况的信息应用于另一种情况。 这些模型在过去五年中迅速推动了自然语言处理 (NLP) 技术领域的发展，IBM 正在引领基础模型在语言之外的应用。

使科学家能够研究和监测我们星球的地球观测资料正在以前所未有的速度和数量收集。 从这些庞大的数据资源中提取知识需要新的创新方法。 这项工作的目标是为研究人员提供一种更简单的方法来分析这些大型数据集并从中得出见解。 IBM 的基础模型技术有潜力加速这些数据的发现和分析，从而快速推进对地球的科学认识和对气候相关问题的响应。 

请参阅相关文章： IBM 和 MBZUAI 为气候和文化推进人工智能

IBM 和 NASA 计划开发多项新技术，从地球观测中获取见解。 其中一个项目将在 NASA 的 Harmonized Landsat Sentinel-2 (HLS) 数据集上训练 IBM 地理空间情报基础模型，该数据集是地球轨道卫星捕获的土地覆盖和土地利用变化的记录。 通过分析数拍字节的卫星数据来识别自然灾害、周期性作物产量和野生动物栖息地等现象的地理足迹的变化，这一基础模型技术将帮助研究人员对地球的环境系统进行批判性分析。

此次合作的另一个成果预计将是一个易于搜索的地球科学文献语料库。 IBM 开发了一个 NLP 模型，该模型对近 300,000 篇地球科学期刊文章进行了训练，以组织文献并更容易发现新知识。 包含迄今为止在红帽 OpenShift 软件上训练的最大人工智能工作负载之一，经过全面训练的模型使用 PrimeQA，IBM 的开源多语言问答系统。 除了为研究人员提供资源之外，地球科学的新语言模型还可以融入到 NASA 的科学数据管理和管理流程中。

请参阅相关文章： 美国宇航局将向波音公司投资 425 亿美元用于可持续飞行演示项目

“基础模型的优点在于它们可以用于许多下游应用，”位于阿拉巴马州亨茨维尔的 NASA 马歇尔太空飞行中心的高级研究科学家 Rahul Ramachandran 说。 “建立这些基础模型不能由小团队来解决，”他补充道。 “你需要跨不同组织的团队带来他们不同的观点、资源和技能。” 

IBM 首席研究员 Raghu Ganti 表示：“基础模型在自然语言处理方面已被证明是成功的，现在是将其扩展到对企业和社会重要的新领域和模式的时候了。” “将基础模型应用于地球科学数据中的地理空间、事件序列、时间序列和其他非语言因素，可以让更广泛的研究人员、企业和公民群体突然获得非常有价值的见解和信息。 最终，它可以帮助更多的人致力于解决一些最紧迫的气候问题。”

该协议中其他潜在的 IBM-NASA 联合项目包括使用 MERRA-2（大气观测数据集）构建天气和气候预测基础模型。 这项合作是 NASA 开源科学计划的一部分，该计划致力于在未来十年内建立一个包容、透明和协作的开放科学社区。