IBM, HuggingFace et NASA rendent open-source le modèle Watsonx․ai Foundation le premier modèle de fondation IA disponible publiquement de la NASA et le plus grand modèle géospatial sur HuggingFace.
IBM, HuggingFace, and NASA make the Watsonx․ai Foundation model open-source. It is the first publicly available AI foundation model from NASA and the largest geospatial model on HuggingFace.
IBM et la plateforme d’IA open-source Hugging Face ont conjointement annoncé la sortie du modèle de base de l’IA watsonx.ai géospatial. Ce modèle d’IA remarquable, développé à partir des données satellites de la NASA, représente une avancée significative dans le domaine des sciences climatiques et de la recherche sur la Terre. L’objectif principal de ce partenariat est de démocratiser l’accès à l’IA et de favoriser des innovations accélérées dans ces domaines cruciaux.
Le domaine des sciences climatiques est confronté à un défi pressant pour accéder aux données les plus récentes, compte tenu des conditions environnementales en constante évolution. Malgré un afflux croissant de données – prévu pour atteindre 250 000 téraoctets à partir de nouvelles missions d’ici 2024 – l’analyse de ces vastes ensembles de données reste une tâche redoutable pour les scientifiques et les chercheurs. Pour répondre à cette préoccupation, IBM a développé un modèle de base d’IA pour les données géospatiales plus tôt cette année dans le cadre d’un accord de Space Act avec la NASA.
En mettant le modèle de base géospatial à disposition sur Hugging Face, un fervent défenseur des modèles d’IA open-source, la collaboration vise à faciliter une plus grande coopération et un partage d’informations au sein de la communauté de l’IA. Cette démarche devrait accélérer le développement de solutions impactantes bénéficiant à la planète.
- Une nouvelle recherche en IA présente MONAI Generative Models une plateforme open source qui permet aux chercheurs et développeurs de facilement entraîner, évaluer et déployer des modèles génératifs.
- Cette recherche en IA présente une nouvelle distillation de pose en deux étapes pour l’estimation de la pose du corps entier.
- Le parcours inspirant d’un pionnier de Google
Le modèle de base géospatial a été conjointement entraîné sur des données satellites Harmonized Landsat Sentinel-2 (HLS) sur le continent américain pendant un an. Le modèle a démontré une amélioration impressionnante de 15 % par rapport aux techniques existantes tout en n’exigeant que la moitié des données étiquetées. Le modèle peut être adapté avec un affinement supplémentaire pour diverses tâches, notamment le suivi de la déforestation, la prédiction des rendements des cultures et la détection et la surveillance des gaz à effet de serre. IBM et la NASA collaborent également avec l’Université Clark pour explorer des applications telles que la segmentation des séries temporelles et la recherche de similarité.
Le modèle géospatial d’IBM exploite sa technologie de modèle de base, faisant partie de l’initiative plus large de l’entreprise visant à créer et à former des modèles d’IA pour des tâches diverses, en tirant parti du transfert de connaissances entre les scénarios. En juillet, IBM a lancé Watsonx, une plateforme d’IA et de données permettant aux entreprises de développer et d’accélérer l’impact de l’IA avancée à l’aide de données fiables. Une version commerciale du modèle géospatial, intégrée à la suite IBM Environmental Intelligence (EIS), est prévue pour une sortie plus tard cette année.
En conclusion, le partenariat entre IBM et Hugging Face, renforcé par les données satellites de la NASA, représente une opportunité prometteuse pour faire avancer la science et approfondir notre compréhension du climat de la planète. La nature open-source du modèle est destinée à autonomiser les chercheurs et les scientifiques du monde entier dans la résolution des défis environnementaux pressants.
We will continue to update IPGirl; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- LLMs génératifs en cache | Économiser les coûts d’API
- Décomposition de l’indice de Gini Comment l’économie a inspiré l’apprentissage automatique
- Guide du débutant pour comprendre les performances des tests A/B grâce aux simulations de Monte Carlo
- Créez votre propre assistant analyste de données avec les agents de Langchain
- Est-ce que l’IA peut vraiment vous aider à réussir vos entretiens?
- Graphes de connaissances Le bouleversement dans l’IA et la science des données
- Améliorer votre application avec la nouvelle fonctionnalité de connexions de Streamlit et des cartes interactives Plotly