IBM y la ESA presentan TerraMind: un avance en IA para la observación terrestre
En un esfuerzo conjunto, IBM y la Agencia Espacial Europea (ESA) han lanzado TerraMind, un innovador modelo de inteligencia artificial generativa de código abierto diseñado para mejorar la observación de la Tierra. Este modelo fundamental combina información proveniente de nueve tipos diferentes de datos, ofreciendo una comprensión más profunda e intuitiva de nuestro planeta.
La iniciativa, que involucra a investigadores de IBM, ESA, KP Labs, el Centro de Supercomputación de Julich (JSC) y la Agencia Espacial Alemana (DLR), busca responder a la pregunta sobre qué información es necesaria para que un modelo de IA comprenda efectivamente nuestro entorno. Esta colaboración se enmarca dentro de un proyecto liderado por la ESA que tiene como objetivo facilitar el acceso a modelos fundacionales en la comunidad dedicada a la observación terrestre.
Un modelo eficiente y versátil
TerraMind destaca por su arquitectura única basada en transformadores simétricos, diseñada para procesar entradas que incluyen píxeles, tokens y secuencias. A pesar de haber sido entrenado con 500.000 millones de tokens, este modelo se presenta como ligero y eficiente, utilizando diez veces menos recursos informáticos en comparación con modelos estándar. Esto permite a los usuarios implementarlo a gran escala con costos reducidos y menor consumo energético durante la inferencia.
Juan Bernabé-Moreno, director de IBM Research en Reino Unido e Irlanda, ha señalado que lo que realmente distingue a TerraMind es su capacidad para ir más allá del simple procesamiento de imágenes satelitales. “Este modelo posee una comprensión intuitiva de los datos geoespaciales”, afirmó. En pruebas realizadas por la ESA, TerraMind superó a otros doce modelos populares en tareas como clasificación del uso del suelo y monitoreo ambiental, logrando una mejora del 8% o más en su rendimiento.
Integración de múltiples modalidades
El nuevo modelo integra información contextual relevante para ofrecer predicciones más precisas sobre fenómenos como el riesgo de escasez hídrica. Antes del desarrollo de TerraMind, los datos necesarios estaban dispersos; ahora se agrupan para proporcionar una visión más holística de las condiciones terrestres.
Con un conjunto globalmente distribuido que incluye 9 millones de muestras alineadas espacio-temporalmente en nueve modalidades principales —desde observaciones satelitales hasta descripciones básicas geográficas—, TerraMind se posiciona como una herramienta adaptable para diversas aplicaciones alrededor del mundo.
Innovaciones técnicas destacadas
Técnicamente, TerraMind introduce el concepto “Thinking-in-Modalities” (TiM), permitiendo al modelo autogenerar datos adicionales relevantes desde otras modalidades. Este enfoque no solo aumenta la eficiencia sino que también mejora el rendimiento general del modelo al especializarlo para casos específicos.
“El ajuste TiM permite al modelo ‘pensar’ en contextos relacionados mientras analiza distintos datos”, explicó Johannes Jakubik, científico en IBM Research. Esta técnica promete ofrecer niveles sin precedentes de precisión en aplicaciones prácticas.
Colaboración internacional y futuro prometedor
TerraMind forma parte del compromiso continuo de IBM por utilizar tecnología avanzada para explorar nuestro planeta. Gobiernos y empresas ya están aprovechando modelos previos desarrollados por IBM-NASA para estudiar patrones ambientales y responder ante catástrofes naturales.
Nicolas Longepe, científico de datos en ESA, destacó que este proyecto ejemplifica cómo la colaboración entre científicos y expertos tecnológicos puede liberar el potencial completo de los datos espaciales. En el próximo mes se espera añadir versiones ajustadas del modelo para abordar situaciones críticas relacionadas con desastres naturales.
Si (
No(
