watsonx.ai 模型由IBM與美國宇航局合作構建，旨在將衛星數據轉化為顯示洪水、火災及其它地理圖景變化的高分辨率地圖，揭示地球的過去并防范于未來

北京2023年5月16日 /美通社/ -- watsonx.ai 模型由IBM與美國宇航局合作構建，旨在將衛星數據轉換為洪水、火災和其它地理圖景變化的高分辨率地圖，以揭示我們星球的過去，并暗示其未來可能的變化。

生活在洪水區，隨著海平面上升和氣候變化引發的風暴日益嚴重，預計這一數字還會攀升，致使更多人處于危險之中。準確繪制洪水事件地圖的能力，不僅是當下保護民眾生命財產安全的關鍵，也是未來指導在風險較低的地區進行發展規劃的關鍵。

IBM日前在Think大會發布了一個新的地理空間基礎模型，就是通過將NASA的海量衛星觀測數據轉換為自然災害和其它環境變化的定制地圖，為實現人類了解地球地理環境的過去與未來這一目標邁出了第一步。該模型是IBM watsonx.ai 地理空間產品的一部分，計劃在今年下半年通過IBM 客戶提供預覽版。潛在應用包括幫助估算農作物、建筑和其它基礎設施與氣候相關的風險，評估和監測森林以進行碳抵消計劃，以及開發預測模型以幫助企業制定緩解和適應氣候變化的戰略。

作為與美國宇航局達成的太空行動協議的一部分，IBM在四個月前開始有史以來第一個用于分析地理空間數據的基礎模型。基礎模型通過讓開發人員在原始文本上訓練一個模型，并通過額外訓練為其它自然語言處理（ NLP） 任務自定義模型，從而對NLP進行了革命性的改變。以前，用戶必須為每個任務訓練一個新模型，這需要大量的數據管理和計算工作。  IBM 研究院沒有用文字來訓練基礎模型，而是教一個模型來理解衛星圖像。IBM研究人員預訓練了NASA的（HLS-2）數據。HLS數據提供了來自NASA/USGS Landsat 8聯合衛星上的可操作陸地成像儀（OLI）和歐盟哥白尼哨兵-2A和哨兵-2B衛星上的多光譜儀器（MSI）的一致表面反射率數據。組合測量有助于以30米的空間分辨率每兩到三天對土地進行一次全球觀測。

然后，他們為該模型提供手工標記的示例，教它識別諸如歷史上洪水和火災遺跡的范圍，以及土地利用和森林生物量的變化。

該模型的設計旨在簡單易用，用戶只需選擇一個區域、一個映射任務和一組日期，例如，如果用戶在搜索欄中輸入"法國萊訥港"并選擇日期 2019 年 12 月 13 日至 15 日，那么該模型就能用粉紅色來突出顯示洪水延伸的距離。用戶可以疊加其它數據集以查看農作物或建筑物被淹沒的位置。這些可視化有助于在類似的災難場景中進行未來規劃：它們提供的信息可以幫助減輕洪水影響，為保險和風險管理決策提供信息，規劃基礎設施，應對災害和保護環境。

IBM在用于處理視頻的上構建了該模型，并將其調整為衛星鏡頭的畫面。為了教模型理解隨時間展開的圖像序列，研究人員將每張圖像的一部分留空出來讓模型來重建它。它重建的圖像越多，就越能理解它們之間的關系。然后，他們針對特定任務（如分類和分割圖像）微調模型。這種微調工作流基于 ，具有增強的分割庫，允許研究人員處理時空數據。

為了提高模型的效率，研究人員還縮小了衛星圖像的大小，使他們能夠以更小的塊來處理數據，并減少GPU的使用。然后使用了超過5，000個GPU小時來訓練該模型。

早期結果看起來很有希望。在測試中，研究人員發現，與最先進的深度學習模型相比，使用一半的標記數據繪制和燒痕的準確性提高了15%。IBM估計，該模型可以將地理空間分析速度提高三到四倍，并有助于減少訓練傳統深度學習模型所需的數據清理和標記量。