Корпорация IBM совместно с Европейским космическим агентством (ESA) представила TerraMind — ИИ-модель для анализа данных наблюдения за Землёй в режиме реального времени. Система, опубликованная в открытом доступе на платформе Hugging Face, объединяет 9 типов геопространственной информации, включая спутниковые снимки, параметры почвы, климатические показатели и текстовые описания регионов. Это позволяет прогнозировать климатические изменения, риски дефицита воды и другие глобальные параметры с высокой точностью, избегая необходимости использовать несколько узкоспециализированных моделей.
В основе TerraMind лежит TerraMesh — массив из более чем 500 миллиардов токенов данных, собранных из девяти миллионов пространственно-временных образцов. Архитектура модели построена на симметричном кодировщике-декодере с трансформерами, что обеспечивает обработку пиксельных, токенизированных и последовательных данных. Несмотря на объём обучающей информации, система требует на порядок меньше вычислительных ресурсов, чем аналоги, благодаря оптимизации под каждую модальность. Например, при оценке нехватки воды она анализирует температуру, осадки, растительность и сельхоздеятельность одновременно, создавая целостную картину для конкретного региона.
Изображение: siliconangle
«TerraMind выходит за рамки стандартной обработки изображений, — отметил Хуан Бернабе-Морено, директор IBM Research в Великобритании. — Модель выявляет скрытые связи между данными, которые ранее требовали ручного сопоставления». Тестирование на платформе ESA PANGEA подтвердило эффективность: в задачах классификации почв, экологического мониторинга и обнаружения изменений система превзошла 12 конкурентов минимум на 8%.
Ключевую роль в успехе сыграла техника Thinking-in-Modalities (TiM), разработанная IBM. Она напоминает метод Chain-of-Thought в языковых моделях, но адаптирована для мультимодальных данных. TiM генерирует синтетические обучающие наборы, дополняющие исходную информацию. «Если модель анализирует водные объекты, она может самостоятельно создать детальные карты почвенного покрова, улучшая точность прогноза», — пояснил соавтор метода Йоханнес Якубик.
Сферы применения TerraMind охватывают как долгосрочные задачи — планирование инфраструктуры, управление биоразнообразием, — так и оперативные сценарии вроде мониторинга пожаров или наводнений. ESA уже анонсировало планы выпустить оптимизированные версии модели для реагирования на стихийные бедствия в ближайшие недели.
«Раньше нам приходилось комбинировать десятки инструментов, — заявила Симонетта Чели, директор программ наблюдения Земли ESA. — Теперь TerraMind объединяет данные спутников, климатические модели и геопространственный контекст, предлагая учёным и бизнесу единый источник истины». Сейчас команды работают над интеграцией TerraMind в глобальные климатические инициативы, чтобы превратить сырые исходные данные в инсайты для шагов по защите планеты.
