MADRID, 22 Abr. (Portaltic/EP) -
IBM y la Agencia Espacial Europea (ESA) han compartido bajo una modalidad de código abierto el modelo fundacional para aplicaciones de observación de la Tierra TerraMind, que destca por su capacidad para comprender los datos de manera intuitiva y generar nuevos escenarios.
Los modelos fundacionales geoespaciales ayudan a comprender mejor el planeta Tierra a partir de datos de observación, como los proporcionados por los satélites, con el objetivo de ayudar a predecir, por ejemplo, el riesgo de escasez de agua.
Pero predecir este riesgo requiere considerar distintos factores, como el uso que se le da al suelo, el clima, la vegetación, las actividades agrícolas que se practican y la ubicación; todos ellos datos que habitualmente están "dispersos y almacenados por separados".
Por ello, los modelos geoespaciales están limitados por la cantidad y la calidad de los datos reales etiquetados disponibles, un problema que los investigadores de IBM y la ESA han resuelto en TerraMind.
Como explican en una nota de prensa, TerraMind es un modelo de IA generativa multimodal, y se ha entrenado previamente en TerraMesh, que incluye nueve millones de muestras de datos globales de distintas modalidades, incluidos datos satelitales, la geomorfología de la superficie de la Tierra y descripciones básicas de ubicaciones y características (latitud, longitud y descripciones de texto simples).
Se trata del "conjunto de datos geoespaciales más grande disponible", que ha sido construido por los investigadores como parte del proyecto TerraMind, como explican sus responsables. En él se ha incluido información "de todos los biomas, tipos de usos y coberturas del suelo y regiones, lo que permite que el modelo sea igualmente válido para cualquier aplicación en todo el mundo, con un sesgo limitado".
TerraMind se ha creado con una arquitectura única de codificador-decodificador basada en transformadores simétricos, lo que le permite aprender correlaciones entre modalidades de distintos datos.
En conjunto, TerraMind tiene "capacidad para ir más allá del procesamiento de imágenes satelitales con algoritmos de visión artificial", ya que ofrece "una comprensión intuitiva de los datos geoespaciales y de nuestro planeta", como ha señalado el director de IBM Research en Reino Unido e Irlanda, y líder de Descubrimiento acelerado de IBM para el clima y la sostenibilidad, Juan Bernabé-Moreno.
La directora de Programas de Observación de la Tierra de la ESA y responsable de ESRIN, Simonetta Cheli, ha destacado "su capacidad para integrar de forma intuitiva información contextual y generar escenarios nunca antes vistos".
Sus responsables también han indicado que TerraMind es un modelo "pequeño y ligero", a pesar de haber sido entrando con 500.000 millones de tokens, que requiere diez veces menos recursos informáticos que los modelos estándar, lo que facilita su implementación a escala a un menor coste y con un menor consumo energético en la etapa de inferencia -el procesamiento de los datos en tiempo real para resolver una tarea-.
TerraMind es el modelo de IA con mejor rendimiento en este campo, superando tanto a otros modelos fundacionales como a arquitecturas especializadas, según las evaluaciones realizadas por la ESA utilizando PANGAEA, el punto de referencia estándar de la comunidad.
Los responsables de TerraMind aseguran que este modelo "permite una comprensión más profunda de la Tierra", pudiendo utilizarse para mapear eventos naturales a corto plazo, como incendios forestales, deslizamientos de tierra e inundaciones; predecir el riesgo potencial de escasez de agua; monitorizar la salud de los cultivos a escala; y evaluar el impacto potencial de los cambios en el uso del suelo sobre los recursos hídricos y la biodiversidad.
IBM y la ESA han compartido TerraMind bajo una modalidad de código abierto en HuggingFace, donde también está disponible desde 2023 "el modelo geoespacial más grande del mundo", desarrollado por IBM y NASA, que sentó las bases para el desarrollo de TerraMind.
En mayo se añadirán al repositorio de IBM Granite versiones de ajuste fino de TerraMind para la respuesta ante catástrofes y otros casos de uso de gran impacto.