광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[IBM과 NASA가 기후 문제를 해결하기 위해 지리공간 AI를 재정의한다] IBM과 NASA가 협력하여 진보적이고 액세스 가능한 지리공간 AI를 개발하고 혁신적인 환경 및 기후 솔루션을 추진하는 데 필요한 도구를 더 많은 사람에게 제공하기 위해 협력한 사례를 살펴본다.

https://www.unite.ai/how-ibm-and-nasa-are-redefining-geospatial-ai-to-tackle-climate-challenges/

운영자 | 기사입력 2024/10/09 [00:00]

[IBM과 NASA가 기후 문제를 해결하기 위해 지리공간 AI를 재정의한다] IBM과 NASA가 협력하여 진보적이고 액세스 가능한 지리공간 AI를 개발하고 혁신적인 환경 및 기후 솔루션을 추진하는 데 필요한 도구를 더 많은 사람에게 제공하기 위해 협력한 사례를 살펴본다.

https://www.unite.ai/how-ibm-and-nasa-are-redefining-geospatial-ai-to-tackle-climate-challenges/

운영자 | 입력 : 2024/10/09 [00:00]

 

IBM NASA가 기후 문제를 해결하기 위해 지리공간 AI를 재정의한다.

 

기후 변화로 인해 홍수허리케인가뭄산불과 같은 기상 현상이 점점 더 심각해지면서 기존의 재난 대응 방법은 따라잡기 위해 고군분투하고 있다위성 기술드론원격 센서의 발전으로 더 나은 모니터링이 가능해졌지만이 중요한 데이터에 대한 액세스는 일부 조직으로 제한되어 많은 연구자와 혁신가가 필요한 도구를 얻지 못하고 있다.

 

매일 생성되는 지리공간 데이터의 홍수도 문제가 되었다조직에 엄청난 부담을 주고 의미 있는 통찰력을 추출하기 어렵게 만들고 있다이러한 문제를 해결하려면 방대한 데이터 세트를 실행 가능한 기후 통찰력으로 전환할 수 있는 확장 가능하고 액세스 가능하며 지능적인 도구가 필요하다.

 

여기서 지리공간 AI가 필수적이 된다이는 방대한 양의 데이터를 분석하여 보다 정확하고 사전 대응적이며 시기적절한 예측을 제공할 수 있는 잠재력을 가진 새로운 기술이다.

 

IBM NASA가 파운데이션 지리공간 AI를 개척하는 이유

파운데이션 모델(FM)은 방대한 양의 레이블이 지정되지 않은 데이터에서 학습하고 여러 도메인에 통찰력을 적용하도록 설계된 AI의 새로운 영역을 나타낸다이 접근 방식은 몇 가지 주요 이점을 제공한다기존 AI 모델과 달리 FM은 방대한 양의 꼼꼼하게 큐레이팅된 데이터 세트에 의존하지 않는다대신 더 작은 데이터 샘플을 미세 조정할 수 있어 시간과 리소스를 모두 절약할 수 있다이는 대규모 데이터 세트를 수집하는 데 비용이 많이 들고 시간이 많이 소요될 수 있는 기후 연구를 가속화하는 강력한 도구가 된다.

 

게다가 파운데이션 모델(FM)은 특수 애플리케이션 개발을 간소화하여 중복 작업을 줄인다예를 들어 FM이 훈련되면 광범위한 재훈련 없이도 자연 재해 모니터링이나 토지 이용 추적과 같은 여러 다운스트림 애플리케이션에 적용할 수 있다초기 훈련 프로세스에는 상당한 컴퓨팅 파워가 필요할 수 있으며 수만 시간의 GPU가 필요하다그러나 훈련이 완료되면 추론 중에 실행하는 데 몇 분 또는 몇 초 밖에 걸리지 않는다.

 

게다가 FM은 고급 기상 모델을 더 많은 사람이 이용할 수 있도록 만들 수 있다이전에는 복잡한 인프라를 지원할 리소스가 있는 자금이 충분한 기관에서만 이러한 모델을 실행할 수 있었다그러나 사전 훈련된 FM의 등장으로 기후 모델링은 이제 더 광범위한 연구자와 혁신가 그룹이 사용할 수 있게 되었으며더 빠른 발견과 혁신적인 환경 솔루션을 위한 새로운 길이 열렸다.

 

파운데이션 지리공간 AI의 기원

FM의 방대한 잠재력으로 인해 IBM NASA는 지구 환경에 대한 포괄적인 FM을 구축하기 위해 협력하게 되었다이 파트너십의 주요 목표는 연구자들이 NASA의 광범위한 지구 데이터 세트에서 효과적이고 접근 가능한 방식으로 통찰력을 추출할 수 있도록 하는 것이다.

 

이러한 추구에서 그들은 2023 8월에 공간 데이터를 위한 선구적인 FM을 공개하면서 중요한 돌파구를 마련했다이 모델은 조화된 랜드샛 센티넬-2(Harmonized Landsat Sentinel-2(HLS)) 프로그램의 40년 분 이미지 아카이브로 구성된 NASA의 방대한 위성 데이터 세트에서 학습되었다변압기 아키텍처를 포함한 고급 AI 기술을 사용하여 상당한 양의 공간 데이터를 효율적으로 처리한다. IBM Cloud Vela 슈퍼컴퓨터와 watsonx FM 스택을 사용하여 개발된 HLS 모델은 기존 딥 러닝 모델보다 최대 4배 더 빠르게 데이터를 분석할 수 있으며학습을 위해 훨씬 적은 레이블이 지정된 데이터 세트가 필요하다.

 

이 모델의 잠재적인 적용 분야는 토지 이용 변화와 자연 재해 모니터링에서 작물 수확량 예측에 이르기까지 광범위하다중요한 점은 이 강력한 도구를 Hugging Face에서 무료로 사용할 수 있기 때문에 전 세계의 연구자와 혁신가가 이 도구의 기능을 활용하여 기후 및 환경 과학의 발전에 기여할 수 있다는 것이다.

 

파운데이션 지리공간 AI의 발전

이러한 추진력을 바탕으로 IBM NASA는 최근 또 다른 획기적인 오픈소스 모델 FM Prithvi WxC를 출시했다이 모델은 단기 기상 문제와 장기 기후 예측을 모두 해결하도록 설계되었다연구 및 응용 프로그램을 위한 현대 회고하는(Modern-Era Retrospective) 분석 버전 2(MERRA-2) NASA 지구 관측 데이터 40년 분을 기반으로 사전 학습된 FM은 기존 예측 모델에 비해 상당한 발전을 이루었다.

 

이 모델은 비전 변환기와 마스크 자동 인코더를 사용하여 구축되어 시간 경과에 따른 공간 데이터를 인코딩할 수 있다시간적 주의 메커니즘을 통합함으로써 FM은 다양한 관측 스트림을 통합하는 MERRA-2 재분석 데이터를 분석할 수 있다이 모델은 기존 기후 모델과 같은 구형 표면과 평평한 직사각형 그리드에서 작동할 수 있어 해상도를 잃지 않고 전역 및 지역 뷰를 전환할 수 있다.

 

이 독특한 아키텍처를 통해 Prithvi는 몇 초 만에 표준 데스크톱 컴퓨터에서 실행되는 동안 글로벌지역 및 로컬 규모에서 미세 조정할 수 있다 FM 모델은 지역 날씨 예측극한 기상 현상 예측글로벌 기후 시뮬레이션의 공간적 해상도 향상기존 모델의 물리적 프로세스 표현 개선을 포함한 다양한 응용 프로그램에 사용할 수 있다.

또한 Prithvi에는 특정 과학 및 산업적 용도에 맞게 설계된 두 가지 미세 조정 버전이 제공되어 환경 분석에 대한 정확도가 더욱 향상된다이 모델은 hugging face에서 무료로 제공된다.

 

결론

IBM NASA의 파트너십은 공간적 AI를 재정의하여 연구자와 혁신가가 시급한 기후 문제를 해결하기 쉽게 만들고 있다대규모 데이터 세트를 효과적으로 분석할 수 있는 기초 모델을 개발함으로써 이 협업은 심각한 기상 현상을 예측하고 관리하는 능력을 향상시킨다.

 

더 중요한 것은 이전에는 자원이 풍부한 기관에만 국한되었던 이러한 강력한 도구에 더 많은 사람이 접근할 수 있게 되었다는 것이다이러한 고급 AI 모델이 더 많은 사람에게 접근 가능해짐에 따라 기후 변화에 보다 효과적이고 책임감 있게 대응하는 데 도움이 되는 혁신적인 솔루션의 길을 열어준다.

 

 

 

 

 
인공지능, 기후변화, 지리공간 AI, IBM, NASA, 딥러닝 모델 관련기사목록
광고
광고
광고
광고
광고
광고
광고
AI메타홈서비스 많이 본 기사
광고
광고