NASA e IBM desarrollarán modelos fundacionales de IA para estudiar el impacto del cambio climático

IBM y la NASA, en concreto su Centro Marshall de Vuelos Espaciales, van a colaborar en el desarrollo de modelos de Inteligencia Artificial fundacionales con los que descubrirán nuevos elementos y conceptos entre el ingente volumen de datos científicos geoespaciales y de la Tierra que están en poder de la NASA. El trabajo conjunto, en el que se utilizará la IA de IBM, aplicará por primera vez la tecnología de modelo fundacional de Inteligencia Artificiales a los datos de satélite de observación de la Tierra que tiene la NASA.

Un modelo fundacional es un tipo de modelo de Inteligencia Artificial que se entrena con un conjunto de datos etiquetados muy amplio. Se pueden utilizar en distintas tareas, además de para aplicar la información recogida en una situación concreta a otra distinta. Se encuentran sobre todo en trabajos desarrollados en tecnología de proceso de lenguaje natural (NLP), un área en el que han experimentado un despegue notable en los últimos cinco años. IBM, por su parte, es una de las compañías pioneras en el uso de estos modelos en otras áreas además de en el lenguaje.

Esta asociación entre IBM y la NASA tiene como fin ofrecer a los investigadores de temas relacionados con la Tierra un sistema más sencillo para analizar y extraer información de los datos que tienen sobre ella. Con la tecnología de desarrollo de modelos fundacionales de IBM pueden desarrollar tanto su análisis como su descubrimiento. Esto les permite avanzar con más rapidez en la comprensión a nivel científico de la Tierra y lo que sucede en ella, lo que lleva a que puedan dar mejores respuestas a los problemas relacionados con el cambio climático.

IBM y la NASA tienen planes para el desarrollo de nuevas tecnologías para sacar información de las observaciones de la Tierra gracias a su trabajo conjunto. Para empezar, un proyecto se encargará del entrenamiento de un modelo de inteligencia geoespacial de IBM con el conjunto de datos Harmonized Landstat Sentinel-2 (HLS), en un registro de la superficie terrestre y en los cambios en el uso de la tierra que capturan los satélites en la órbita del planeta.

Mediante el análisis de las grandes cantidades de datos de satélite obtenidos, con el objetivo de identificar cambios en la huella geográfica ocasionados por fenómenos como desastres naturales y rendimientos de cultivos, este modelo fundacional ayudará a los investigadores a contar con un análisis crítico de los sistemas ambientales de la Tierra.

De la colaboración entre ambas entidades se espera también el nacimiento de un corpus de literatura sobre ciencias de la Tierra, que pueda utilizarse para buscar información con facilidad. IBM ha creado un modelo de PLN entrenado con unos 300.000 artículos de revistas de ciencias de la Tierra para clasificar dicha literatura y facilitar el descubrimiento de conocimiento.

El modelo tiene una de las mayores cargas de trabajo de Inteligencia Artificial entrenadas con Red Hat OpenShift hasta ahora. Este modelo, completamente entrenado, utiliza PrimeQA, un sistema de preguntas y respuestas en varios idiomas de IBM, desarrollado mediante código abierto. Y además de en estudio de las ciencias de la Tierra, y para comprender los efectos del cambio climático y ayudar en su freno, podría integrarse en los procesos de gestión de datos científicos de la NASA.

Otro proyecto que posiblemente saldrá de este acuerdo es el desarrollo de un modelo fundacional de predicción meteorológica y climática con base en el conjunto de datos MERRA2. Este proyecto forma parte de la Iniciativa de Código Abierto de la NASA.

Raghu Ganti, Investigador principal de IBM, ha señalado que «los modelos fundacionales han demostrado ser exitosos en el procesamiento del lenguaje natural, y es hora de expandirlo a nuevos dominios y modalidades importantes para los negocios y la sociedad. La aplicación de modelos fundacionales a factores geoespaciales, de secuencia de eventos, series temporales y otros factores no lingüísticos dentro de los datos de ciencias de la Tierra podría hacer que las ideas e información enormemente valiosas estén disponibles para un grupo mucho más amplio de investigadores, empresas y ciudadanos. En última instancia, podría ayudar a un mayor número de personas que trabajan en algunos de nuestros problemas climáticos más urgentes«.

Por su parte, Rahul Ramachandran, Investigador principal del Centro Marshal de Vuelos Espaciales de la NASA, ha recordado que «la belleza de los modelos fundacionales es que potencialmente se pueden usar para muchas aplicaciones posteriores«, aunque reconociendo que «la construcción de estos modelos no puede ser abordada por equipos pequeños. Se necesitan equipos en diferentes organizaciones para aportar sus diferentes perspectivas, recursos y conjuntos de habilidades«.