Un Modello AI per Satelliti che Puoi Davvero Usare: l'Allen Institute Apre OlmoEarth Embeddings

Punti chiave

• OlmoEarth Studio dell'Allen Institute for AI consente ora agli utenti di esportare embeddings, riassunti numerici compatti di immagini satellitari, per qualsiasi area e intervallo temporale scelto.
• Sono disponibili tre dimensioni di modello: Nano (1,4 milioni di parametri), Tiny (6,2 milioni) e Base (89 milioni), ognuno con un compromesso tra velocità e dettaglio.
• In un test con soli 60 pixel etichettati, il sistema ha mappato le foreste di mangrovie in Vietnam con un punteggio di accuratezza F1 di 0,84 su 1,0.
• I pesi del modello sottostante e il codice sorgente sono pubblicamente disponibili, il che significa che chiunque può ispezionare o sviluppare ulteriormente il lavoro.
• La cicatrice di bruciatura del Park Fire nella contea di Butte, in California, è emersa in un test di rilevamento del cambiamento utilizzando soli due mesi di dati satellitari e nessuna etichetta manuale.

Se hai mai guardato una foto satellitare e ti sei chiesto quali parti sono foresta, quali sono terreni agricoli e quali si sono bruciati l'estate scorsa, stai pensando come un ricercatore di osservazione della Terra. Fino a poco tempo fa, rispondere a queste domande richiedeva dataset costosi e mesi di etichettatura manuale da parte di esperti. Un nuovo strumento dell'Allen Institute for AI vuole cambiare tutto questo.

OlmoEarth Studio, la piattaforma dell'Allen Institute per costruire modelli che interpretano immagini satellitari, consente ora agli utenti di calcolare ed esportare ciò che il team chiama embeddings. Un embedding è un elenco di numeri, una sorta di impronta digitale numerica, che un modello di intelligenza artificiale addestrato assegna a ogni zona di territorio che analizza. I luoghi che si assomigliano sul terreno ricevono numeri simili. I luoghi che differiscono si trovano lontani in quello spazio numerico.

Pensalo come una scheda di valutazione della degustazione di vini. Invece di descrivere un vino in prosa, registri dozzine di misurazioni: acidità, tannini, zucchero. Due vini simili finiscono per avere schede di valutazione simili anche se non li hai mai assaggiati fianco a fianco. OlmoEarth fa lo stesso per il territorio: legge i pixel satellitari e produce una scheda di valutazione per ogni posizione.

Che cosa puoi effettivamente fare con questi numeri?

Parecchio, a quanto pare, anche con quasi nessun dato di addestramento.

L'uso più semplice è la ricerca di somiglianza: scegli un pixel, chiedi al modello quali altri pixel gli assomigliano di più e ricevi una mappa di calore. In un test sulla regione di Merced in California, una query urbana ha illuminato i corridoi stradali in tutta l'immagine mentre le zone agricole sono rimaste scure. Non era necessaria nessuna etichetta.

Più potente è quello che il team chiama segmentazione few-shot, il che significa che etichetti un piccolo numero di esempi e il modello scopre il resto. I ricercatori hanno etichettato soli 60 pixel in una regione costiera di mangrovie a Ca Mau, in Vietnam: 20 etichettati come mangrovie, 20 come acqua, 20 come altro. Hanno inserito quei 60 numeri etichettati in un classificatore di base da libro di testo (regressione logistica, uno strumento statistico di decenni fa) e hanno lasciato che prevedesse ogni altro pixel. Il risultato ha coperto l'intera regione con un punteggio F1 ponderato di 0,84. Aumentando il campione etichettato a 300 pixel ha appena spostato quel numero, perché gli embeddings stano già facendo il lavoro difficile.

Il rilevamento dei cambiamenti è forse la dimostrazione più sorprendente. Il team ha estratto embeddings satellitari mensili per la stessa parte della contea di Butte, in California, a settembre 2023 e settembre 2024, quindi ha misurato quanto l'impronta digitale di ogni pixel è cambiata. La cicatrice di bruciatura del Park Fire dell'estate 2024 è apparsa immediatamente, senza etichette, senza revisione manuale.

Per chi è questo?

Al momento, lo strumento è rivolto ai ricercatori e agli analisti che lavorano con dati satellitari: gruppi di conservazione, urbanisti, scienziati del clima, agenzie agricole. Ma poiché i pesi del modello e il codice sono pubblici, team più piccoli con competenze di codifica possono eseguire la versione open-source da soli, come riferito per primo da Hugging Face nella sua copertura dei modelli.

La versione Studio, che gestisce automaticamente l'acquisizione dei dati satellitari, richiede di contattare l'Allen Institute per accedere. La risoluzione spaziale personalizzata varia da 10 metri per pixel fino a 80 metri, e la finestra temporale può essere breve quanto un mese o lunga quanto un anno.

Una nota di cautela appropriata: gli esempi mostrati sono curati. I risultati nel mondo reale varieranno a seconda della regione, della stagione e della qualità della copertura satellitare. La cifra di accuratezza delle mangrovie di 0,84 è forte, ma proviene da un singolo sito ben documentato. Il tuo paesaggio potrebbe essere più complicato.

Conclusione: Se il tuo lavoro riguarda territorio, foreste o monitoraggio ambientale, vale la pena aggiungere ai segnalibri la documentazione di OlmoEarth e il rapporto tecnico. I pesi aperti significano che puoi fare esperimenti gratuitamente prima di decidere se il servizio Studio gestito rientra nel tuo budget.