Un Modelo de IA Satelital que Realmente Puedes Usar: Allen Institute Abre OlmoEarth Embeddings

Puntos clave

• El OlmoEarth Studio del Allen Institute for AI ahora permite a los usuarios exportar embeddings, resúmenes numéricos compactos de imágenes satelitales, para cualquier área y rango de tiempo que elijan.
• Hay tres tamaños de modelo disponibles: Nano (1,4 millones de parámetros), Tiny (6,2 millones) y Base (89 millones), cada uno equilibrando velocidad y detalle.
• En una prueba usando solo 60 píxeles etiquetados, el sistema mapeó bosques de manglar en Vietnam con una puntuación de precisión F1 de 0,84 sobre 1,0.
• Los pesos del modelo subyacente y el código fuente están disponibles públicamente, lo que significa que cualquiera puede inspeccionar o construir sobre el trabajo.
• La cicatriz de quemadura del Park Fire en el condado de Butte, California, apareció en una prueba de detección de cambios usando solo dos meses de datos satelitales y sin etiquetas manuales.

Si alguna vez has mirado una foto satelital y te has preguntado qué partes son bosque, cuáles son tierras de cultivo y cuáles se quemaron el verano pasado, estás pensando como un investigador de observación de la Tierra. Hasta hace poco, responder esas preguntas requería conjuntos de datos costosos y meses de etiquetado por expertos. Una nueva herramienta del Allen Institute for AI quiere cambiar eso.

OlmoEarth Studio, la plataforma del Allen Institute para construir modelos que interpreten imágenes satelitales, ahora permite a los usuarios calcular y exportar lo que el equipo llama embeddings. Un embedding es una lista de números, una especie de huella dactilares numérica, que un modelo de IA entrenado asigna a cada parcel de terreno que examina. Los lugares que se ven similares en el terreno obtienen números similares. Los lugares que difieren se ubican lejos el uno del otro en ese espacio numérico.

Piénsalo como una hoja de calificación de cata de vinos. En lugar de describir un vino en prosa, registras docenas de medidas: acidez, tanino, azúcar. Dos vinos similares terminan con hojas de calificación similares aunque nunca los hayas probado lado a lado. OlmoEarth hace lo mismo con la tierra: lee píxeles satelitales y produce una hoja de calificación para cada ubicación.

¿Qué puedes realmente hacer con estos números?

Bastante, resulta, incluso con casi ningún dato de entrenamiento.

El uso más simple es la búsqueda por similitud: elige un píxel, pregunta al modelo qué otros píxeles se le parecen más y obtén un mapa de calor. En una prueba sobre la región de Merced en California, una consulta urbana iluminó corredores de carreteras en toda la imagen mientras que las tierras de cultivo permanecieron oscuras. No se necesitaban etiquetas.

Más poderoso es lo que el equipo llama segmentación de pocos ejemplos, es decir, etiquetas un puñado diminuto de ejemplos y el modelo descubre el resto. Los investigadores etiquetaron solo 60 píxeles en una región costera de manglares en Ca Mau, Vietnam: 20 etiquetados como manglares, 20 como agua, 20 como otros. Alimentaron esos 60 números etiquetados en un clasificador básico de libro de texto (regresión logística, una herramienta estadística de décadas) y lo dejaron predecir cada otro píxel. El resultado cubrió toda la región con una puntuación F1 ponderada de 0,84. Aumentar la muestra etiquetada a 300 píxeles apenas movió ese número, porque los embeddings ya estaban haciendo el trabajo pesado.

La detección de cambios es quizás la demostración más llamativa. El equipo extrajo embeddings satelitales mensuales para la misma parte del condado de Butte, California en septiembre de 2023 y septiembre de 2024, luego midió cuánto cambió la huella dactilares de cada píxel. La cicatriz de quemadura del Park Fire del verano de 2024 apareció inmediatamente, sin etiquetas, sin revisión manual.

¿Para quién es esto?

Por ahora, la herramienta está dirigida a investigadores y analistas que trabajan con datos satelitales: grupos de conservación, urbanistas, científicos del clima, agencias agrícolas. Pero como los pesos del modelo y el código son públicos, equipos más pequeños con habilidades de codificación pueden ejecutar la versión de código abierto ellos mismos, como informó por primera vez Hugging Face en su cobertura de modelos.

La versión Studio, que maneja la adquisición de datos satelitales automáticamente, requiere ponerse en contacto con Allen AI para obtener acceso. La resolución espacial personalizada va desde 10 metros por píxel hasta 80 metros, y la ventana de tiempo puede ser tan corta como un mes o tan larga como un año.

Una advertencia justa: los ejemplos mostrados son seleccionados. Los resultados del mundo real variarán según la región, la estación y la calidad de la cobertura satelital. La cifra de precisión de manglares de 0,84 es sólida, pero proviene de un único sitio bien documentado. Tu paisaje puede ser más complejo.

Conclusión: Si tu trabajo involucra tierra, bosques o monitoreo ambiental, vale la pena agregar a marcadores la documentación de OlmoEarth y el informe técnico. Los pesos abiertos significan que puedes experimentar gratis antes de decidir si el servicio Studio gestionado se ajusta a tu presupuesto.