IBM y la Agencia Espacial Europea (ESA) lanzaron TerraMind, un nuevo modelo de inteligencia artificial (IA) de código abierto con una comprensión ‘intuitiva’ de la Tierra. Según el equipo de investigación, el sistema es el modelo de IA con mejor rendimiento para la observación de la Tierra.
Publicado en código abierto y diseñado específicamente para interpretar datos de observación de la Tierra, la IA no solo ve la superficie del planeta, sino que ‘comprende’ sus múltiples capas de información, integrando datos geoespaciales, meteorológicos y ambientales de manera simultánea.
Diseñado para mejorar la comprensión de las dinámicas planetarias, TerraMind integra información procedente de múltiples fuentes de observación terrestre en una única arquitectura de IA entrenada en TerraMesh, el conjunto de datos geoespaciales más amplio desarrollado hasta la fecha. El modelo ha sido publicado en la plataforma Hugging Face para facilitar su acceso a investigadores y profesionales del sector.
TE PUEDE INTERESAR: DolphinGemma: Google crea una IA que puede ‘hablar’ con los delfines
TerraMind, una IA para cuidar el planeta
- TerraMind ha sido desarrollado en colaboración con KP Labs, el Centro de Supercomputación de Jülich (JSC) y la Agencia Espacial Alemana (DLR).
- La iniciativa liderada por la ESA tiene como objetivo ampliar la disponibilidad de modelos fundacionales entre la comunidad internacional dedicada a la observación de la Tierra.
- El modelo se destacó en varias tareas del mundo real. La IA puedo hacer la clasificación de la cobertura del suelo, la detección de cambios y el análisis de múltiples sensores. En promedio, superó a otros modelos en un 8% o más.
- El conjunto de datos utilizado para entrenar TerraMind comprende nueve millones de muestras distribuidas globalmente, alineadas espacio-temporalmente en nueve modalidades distintas.
- Estas incluyen imágenes de sensores satelitales, variables geomorfológicas, características de la superficie terrestre (como cobertura vegetal y uso del suelo). Así como datos de localización y descripciones contextuales simples.
- Entre sus posibles aplicaciones destacan el análisis de riesgos relacionados con la escasez hídrica, donde la combinación de factores como el clima, la actividad agrícola y el uso del suelo es esencial para generar predicciones fiables.
Foto: Generada por IA Copilot.