Ai2, l'Institut Allen pour l'intelligence artificielle, a publié aujourd'hui un modèle d'intégration de cartes satellite appelé OlmoEarth v1.3 et des intégrations annuelles précalculées pour la planète entière à différentes résolutions avec un outil de création de cartes basé sur un navigateur.
Le modèle compresse une année d'observations satellite en une empreinte numérique pour chaque parcelle de terrain de 10 mètres sur 10 à la plus petite résolution, avec 64 mètres carrés et 128 mètres également disponibles. Cette empreinte digitale capture des modèles que d’autres logiciels peuvent utiliser pour distinguer les cultures, les forêts, les mines et d’autres types de couverture terrestre.
Jusqu'à présent, la principale façon d'utiliser OlmoEarth consistait à affiner OlmoEarth Studio, à former un modèle pour chaque tâche et à l'exécuter sur des données satellite pour créer une carte. Cela nécessite l’accès à de vastes ressources d’unité de traitement graphique et la possibilité de télécharger et de stocker des images.
Avec le lancement d'aujourd'hui, les utilisateurs peuvent utiliser OlmoEarth Embeddings Explorer, un outil de création de cartes basé sur un navigateur. Cela signifie que n'importe qui peut transformer OlmoEarth en un véritable travail, du suivi des changements au fil du temps à la recherche de lieux similaires – aucune connexion n'est requise.
Une intégration représente ce qu'un modèle a appris à partir de millions d'images satellite. OlmoEarth lit une année d'images radar à partir de données, notamment Sentinel-1, Sentinel-2 et Landsat. Sentinel et Landsat sont des missions satellitaires qui fournissent des vues complémentaires de la Terre : Sentinel-1 mesure les réflexions radar, tandis que Sentinel-2 et Landsat capturent la lumière dans les longueurs d'onde visible et infrarouge.
La société a déclaré que, par rapport aux générations précédentes du modèle OlmoEarth, la version 1.3 est le modèle le moins cher à entraîner. Cela prenait 53% du temps de calcul de la dernière version (v1.2) et 18% de la première (v1), avec 50% et 22% des émissions carbone. Il s'agit également d'un modèle de mise au point puissant, ce qui rend les performances de la version 1.2 précieuses pour la recherche et les laboratoires partenaires.
Où ces modèles s'intègrent dans le monde réel
Ces modèles satellitaires aident à compresser de vastes étendues de données dans le temps et dans l’espace, ce qui est utile pour comprendre l’évolution de la Terre.
Dans la région péruvienne de Madre de Dios, l'exploitation illégale de l'or autour de La Pampa a culminé en 2017 et 2018, défrichant plus de 1 200 hectares de forêt dans la zone tampon de la réserve nationale de Tambopata. Le programme de surveillance MAAP de l'Amazon Conservation Team rapporte cette activité. En février 2019, l'opération Mercurio au Pérou en a fermé la majeure partie. Comment savons-nous que cela s'est produit ?
Les intégrations donnent une réponse claire à cette question. En comparant les pixels des données au fil des années, aucune formation de modèle n'est requise, si l'on regarde de 2016 à 2020, on constate une nette poussée vers l'est dans la ceinture minière sud : 34 kilomètres carrés de changement significatif. La même comparaison de 2020 à 2024 montre que cette superficie tombe à 9 kilomètres carrés. L'arrêt est visible.
De manière équivalente, un analyste agricole pourrait cartographier les zones où le palmier à huile est cultivé et identifier les zones à examiner de plus près où l'expansion des plantations aurait pu remplacer la forêt. Ces questions pourraient déterminer où l’impact environnemental affecte le monde dans son ensemble.
Ai2 a déclaré que pour de nombreuses équipes, tester une idée contre OlmoEarth signifiait un travail de mise au point, ce qui est une entreprise coûteuse et ardue de l'ordre de plusieurs heures. Dans l'explorateur, un premier passage prend quelques secondes.
L'analyse d'une région à partir d'une poignée d'étiquettes ne nécessite aucun GPU. Lorsqu'une tâche nécessite d'affiner cette expérience, les intégrations peuvent aider à décider si elle mérite le temps de calcul et où le modèle échoue.
