IBM和NASA合作研究人工智能气候

这项联合工作将首次将AI基础模型技术应用于NASA的地理空间科学和地球观测卫星数据。

基础模型是基于大量未标记数据进行训练的AI模型类型，可用于不同的任务，并可将有关一种情况的信息应用于另一种情况。IBM表示，这些模型在过去五年中迅速推进了自然语言处理(NLP)技术领域，并将自己描述为超越语言的“开创性”应用。

科学家们正在以前所未有的速度和数量收集地球观测数据，从而研究和监测我们的星球。从这些庞大的数据集中提取知识需要创新的新方法。IBM和NASA合作的目标是为研究人员提供一种更简单的方法来获得这些见解。

IBM表示，其基础模型技术有潜力加速这些数据的发现和分析，以快速推进对地球的科学理解和对气候相关问题的响应。

IBM和NASA计划开发几种新技术，以从地球观测中获取见解。其中一个项目将在NASA的基础上培训IBM的地理空间智能基础模型协调陆地卫星哨兵2号数据集，由地球轨道卫星捕获的土地覆盖和土地利用变化记录。

通过分析pb级的卫星数据，确定自然灾害、周期性作物产量和野生动物栖息地等现象的地理足迹变化，基础模型技术可以帮助研究人员对地球环境系统进行关键分析。

这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开发了一个经过近30万篇地球科学期刊文章训练的NLP模型，用于组织文献，使发现新知识变得更容易。

包含迄今为止在Red Hat的OpenShift软件上训练的最大的人工智能工作负载之一，完全训练的模型使用了PrimeQA, IBM的开源多语言问答系统。除了为研究人员提供资源外，地球科学的新语言模型还可以融入NASA的科学数据管理和管理过程。

“基础模型的美妙之处在于，它们可以潜在地用于许多下游应用，”NASA的高级研究科学家Rahul Ramachandran说马歇尔航天飞行中心在阿拉巴马州亨茨维尔。

“建立这些基础模型不可能由小团队来完成，”他补充说。“你需要来自不同组织的团队带来不同的观点、资源和技能。”

该协议中其他可能的IBM-NASA联合项目包括为天气和气候预测构建一个基础模型MERRA-2，一个大气观测数据集。

IBM首席研究员拉古·甘蒂(Raghu Ganti)说:“将基础模型应用于地理空间、事件序列、时间序列和地球科学数据中的其他非语言因素，可以让更广泛的研究人员、企业和公民突然获得极具价值的见解和信息。”

“最终，它可以促进更多人致力于解决一些最紧迫的气候问题。”

这次合作是NASA的一部分开源科学计划，其目标是在未来十年建立一个包容、透明和协作的开放科学社区。