Osservazione della terra: il modello di IA TerraMind di IBM ed ESA è ora open source

TerraMind è considerato a oggi come il modello di IA generativa più performante per l'osservazione della Terra. Sviluppato da IBM ed ESA, l'Agenzia Spaziale Europea, è stato sviluppato su TerraMesh, un set di dati che include più di 9 milioni di campioni globali, compresi dati satellitari, caratteristiche geomorfologiche della superficie terrestre e descrizioni testuali di localizzazioni, come le coordinate geografiche. 

TerraMind è ora disponibile sotto licenza open source tramite HuggingFace.

TerraMind è open source

Nonostante sia stato addestrato su ben 500 miliardi di token, il modello di IA TerraMind è molto snello e "leggero": secondo gli esperti che l'hanno sviluppato, richiede una potenza di calcolo inferiore di 10 volte rispetto ai modelli standard. Questo significa che "interrogarlo", eseguire l'inferenza, richiede meno energia e, di conseguenza, costa meno.

Non è l'unica peculiarità di questo modello: è anche il primo modello di IA generativa multimodale "any-to-any" per l'osservazione della Terra. In pratica, è in grado di generare automaticamente dati di addestramento aggiuntivi da altre modalità, una tecnica che i ricercatori IBM hanno denominato per l'ottimizzazione Thinking-in-Modalities (TiM) tuning. Tradotto in termini più semplici, è un modello di computer vision che applica un modello di ragionamento simile a quello delle modalità di modelli di IA più noti, come per esempio i modelli o3 e o4-mini di ChatGPT. 

Come spiega Johannes Jakubik, scienziato di IBM Research di Zurigo, "Il TiM tuning aumenta l'efficienza dei dati generando autonomamente i dati di training aggiuntivi rilevanti per il problema da affrontare, ad esempio, indicando al modello di "considerare" la copertura del suolo durante la mappatura dei corpi idrici. Questa innovazione può sbloccare una precisione senza precedenti quando si specializza TerraMind per casi d'uso particolari". 

Ma a cosa serve TerraMind? Grazie alla grande quantità di dati disponibili, è in grado di aiutare i ricercatori a prevedere vari fenomeni, a partire dal rischio di scarsità d'acqua. Era possibile farlo anche con i precedenti modelli, con la differenza che con TerraMind i dati sono tutti accorpati in un'unica fonte di conoscenza. Al contrario, in precedenza i dati erano sparsi su differenti sistemi, fatto che rendeva il lavoro di analisi meno efficace. 

Prima di TerraMind, infatti, venivano utilizzati modelli che elaborano dati provenienti da fonti che talvolta non riescono a catturare l'abbondanza delle condizioni del pianeta. Per offrire dati time-lapse sugli eventi naturali, infatti, i satelliti rivisitano la stessa posizione ogni cinque giorni. Un lasso di tempo utile per per prevedere ed esaminare le tendenze in fase di analisi degli eventi climatici a lungo termine, ma che rende difficile monitorare eventi climatici a breve termine come incendi o alluvioni. Per valutare questi rischi, infatti, i ricercatori hanno bisogno dei dati più recenti per fare previsioni utilizzando modelli di intelligenza artificiale.

"Per me, ciò che distingue TerraMind è la sua capacità di andare oltre la semplice elaborazione delle osservazioni terrestri con algoritmi di computer vision. Possedendo, invece una comprensione intuitiva dei dati geospaziali e del nostro pianeta", spiega Juan Bernabé-Moreno, direttore di IBM Research UK e Irlanda e responsabile dell'Accelerated Discovery di IBM per clima e sostenibilità. "Attualmente, TerraMind è il modello di base di intelligenza artificiale più performante per l'osservazione della Terra secondo consolidati benchmark della comunità".