Компания IBM в партнерстве с Европейским космическим агентством (ESA) презентовала TerraMind — инновационную ИИ-модель для анализа данных наблюдения за Землёй в реальном времени. Эта система, доступная на платформе Hugging Face, интегрирует девять различных типов геопространственных данных, включая спутниковые снимки, информацию о почве, климатические показатели и текстовые описания районов. Это дает возможность более точно прогнозировать климатические изменения, риски дефицита воды и другие глобальные показатели, исключая необходимость в отдельных специализированных моделях.
В основе TerraMind лежит массив TerraMesh, включающий свыше 500 миллиардов токенов данных, собранных из девяти миллионов пространственно-временных образцов. Архитектура модели базируется на симметричном кодировщике-декодере с трансформерами, что позволяет эффективно обрабатывать пиксельные, токенизированные и последовательные данные. Благодаря оптимизации под каждую модальность, система использует на порядок меньше вычислительных ресурсов по сравнению с аналогичными решениями. Например, при анализе водного дефицита изучается температура, осадки, растительность и сельскохозяйственная деятельность одновременно, формируя целостное видение ситуации для конкретной местности.
«TerraMind выходит за рамки стандартной обработки изображений», — отметил Хуан Бернабе-Морено, директор IBM Research в Великобритании. — «Модель выявляет скрытые связи между данными, которые ранее требовали ручной обработки». Испытания на платформе ESA PANGEA подтвердили высокую эффективность: в задачах классификации почв, экологического мониторинга и обнаружения изменений система переиграла 12 конкурентов минимум на 8%.
Ключевую роль в успехе сыграла методика Thinking-in-Modalities (TiM), разработанная IBM. Она напоминает метод Chain-of-Thought в языковых моделях, но адаптирована для мультимодальных данных. TiM создает синтетические учебные наборы, дополняющие исходные данные. «Если модель анализирует водные объекты, она может самостоятельно создать детализированные карты почвенного покрова, улучшая точность прогноза», — пояснил один из создателей метода, Йоханнес Якубик.
Применение TerraMind охватывает как долгосрочные задачи — планирование инфраструктуры, управление биоразнообразием, — так и оперативные сценарии, например, мониторинг пожаров или наводнений. ESA уже объявило о планах выпустить оптимизированные версии модели для реакции на стихийные бедствия в ближайшие недели.
«Ранее мы вынуждены были комбинировать десятки инструментов», — заявила Симонетта Чели, директор программ наблюдения Земли ESA. — «Теперь благодаря TerraMind данные спутников, климатические модели и геопространственный контекст объединены, предлагая исследователям и бизнесу единый источник истины». В настоящее время команды работают над интеграцией TerraMind в глобальные климатические инициативы для преобразования сырых данных в ценные инсайты для защиты планеты.
Источник: iXBT
_large.png "Полностью европейская: монакская компания Venturi Space представила луноход Mona Luna, способный выдержать несколько лунных ночей")
