IBM 和 NASA 在 Hugging Face 平臺上共同推出地理空間基礎模型
簡介
IBM 和 NASA 今天宣布，在 Hugging Face 平臺上提供 watsonx.ai 地理空間基礎模型。該模型的開發最早於今年 2 月公開，旨在利用大量的衛星影像解鎖氣候科學和改善地球生活的價值。這一開源模型使用了 NASA 的調和 Landsat Sentinel-2 衛星資料（HLS）進行預訓練，並使用標記資料對多個特定用例進行了進一步的微調，包括燒傷區和洪水影象制作。IBM 的 watsonx.ai 計劃為這一地理空間基礎模型帶來了企業級技術，並希望該模型的創新將對科學和商業用例產生影響。
基礎模型解決了大規模標記資料問題
IBM 的企業使用者過去面臨的主要挑戰之一是訓練需要非常大量的標記資料。然而基礎模型改變了這一模式。在基礎模型中，AI 透過對大量未標記資料進行預訓練。然後，可以使用一些標記資料對特定用例進行微調，從而得到一個高度定制的模型。IBM 和 NASA 發現，與完全依賴標記資料構建的模型相比，使用基礎模型的方法不僅提供了更快的訓練速度，還能夠獲得更好的準確性。例如，對於洪水預測用例，新的基礎模型能夠在只使用一半標記資料的情況下，比現有最先進的技術改進預測 15%。這意味著科學家只需要完成過去工作量的一半。這一模型在燒傷區用例中的效果更為顯著，IBM 的模型使用的標記資料比現有最先進的模型少了 75%，效能也提高了“雙位數”。
Hugging Face 對於開源地理空間基礎模型的重要性
IBM 和 NASA 之所以將模型提供在 Hugging Face 平臺上，有多重原因。首先 Hugging Face 已成為領先的開源 AI 模型社區，這一點 IBM 今年早些時候就已經意識到，當時宣布了 watsonx.ai 構建基礎模型的方法。作為最初的合作夥伴，Hugging Face 為 IBM 的企業使用者帶來了開放的 AI 模型。透過在 Hugging Face 上提供地理空間基礎模型，IBM 和 NASA 希望該模型能夠得到廣泛的應用，並從中吸取一些教訓，以進一步改進該模型。在使用 Hugging Face 的 API 時，開發者可以利用各種現有的工具來使用和受益於這一模型。IBM 的研究 AI 副總裁 Sriram Raghavan 表示：“我們的目的是為觀眾減少工作量，而觀眾主要是將在衛星資料上進行工作的科學家。如今在熟悉程度方面，Hugging Face API 在這個領域佔據著主導地位。”
企業使用者將如何受益（最終）
雖然地理空間基礎模型的核心受眾是科學家，但 Raghavan 認為企業用例的經驗將有助益。IBM 當前擁有一個環境智慧套件，利用各種模型幫助組織實現可持續性目標。Raghavan 表示這一模型將與該平臺整合。此外這些在模型開發過程中學到的經驗可能應用於 IBM 的其他人工智慧領域。他說：“我們相信，我們正在進一步理解基礎模型開發過程中的開發人員體驗是什麼。將這個模型提供給現在的科學家進行微調，將有助於我們更好地理解我們該提供什麼來改進這一過程，我相信我們將從中吸取一些經驗。”
延伸閱讀
- 柏林科技企業 trawa 籌得 1 千萬歐元，運用人工智慧協助中小企業更輕鬆購買可再生能源
- Google 將在 YouTube 學術影片中推出人工智慧生成的測驗
- Intuitive Machines 力求幫助 NASA 從火星取回樣本
- Google 在 I/O 主題演講中提到「AI」超過 120 次
- 在人工智慧電影節上，人性戰勝科技
- AI 推動社會變革，女性呈現關鍵力量
- 開放 AI （OpenAI）的 ChatGPT 新聞發布：我們當前所知道的事情
- OpenAI 考慮允許 AI 色情內容？
- AI 晶片新創 DEEPX 以 5.29 億美元估值成功籌得 8000 萬美元 C 輪融資
- Fairgen「提振」調查結果，利用合成資料和人工智慧生成的回應
