联合国的一个项目使用NVIDIA技术和面向全球数据科学家的免费深度学习培训中心课程推动气候灾害管理。

为了推动改善气候行动,创造健康的全球环境,NVIDIA正与联合国卫星中心(UNOSAT)合作,发挥深度学习和AI的力量。
这项工作帮助联合国实现了其2030年可持续发展议程中的17项相互关联的可持续发展目标,包括 “气候行动”和“可持续的城市和社区”。联合国通过这些目标呼吁所有成员国为全人类的幸福贡献自己的力量。
联合国训练研究所的联合国卫星中心与NVIDIA开展合作的初衷,是使用AI进行地球观测,推动气候相关灾害的管理。该项目被称为AI4EO,包含了多项使用AI帮助监测和评估地球变化的行动。
为了快速追踪AI4EO项目的研发工作,联合国卫星中心将其卫星图像技术基础设施与NVIDIA的加速计算平台相结合。这个由AI驱动的卫星图像系统将采集和分析地理空间信息,提供关于洪水、野外火灾和其他气候相关灾害的近实时洞察。
此外,联合国卫星中心还以NVIDIA深度学习培训中心(DLI)关于使用深度学习方法生成准确洪水检测模型的课程为基础,上线了一个教育模块。
联合国卫星中心主任Einar Bjørgo表示:“我们通过与NVIDIA合作,在最短的时间内完成了从AI研究到实施气候解决方案的闭环,让弱势群体也能够从这项技术中受益。”
AI驱动的卫星图像分析
对于像评估菲律宾热带气旋或汤加火山爆发带来的影响这样的任务,联合国卫星中心的紧急测绘服务可以使用计算机视觉和卫星图像分析获得关于复杂灾害的准确信息。
近实时分析是管理气候灾害事件的关键。人道主义团队可以利用AI提供的以数据为依据的洞察发现,采取快速、有效的行动抗击灾害。这些数据还被用于为可持续发展政策提供信息、培养用户的能力和全面加强气候适应性。
为了加速卫星图像技术基础设施,联合国卫星中心将使用能够实现大规模AI开发的NVIDIA DGX系统以及能够将加速计算的力量从数据中心传递到边缘的NVIDIA EGX平台。
联合国卫星中心表示,NVIDIA技术将基于AI的洪水检测速度提高了7倍,以更高的精度覆盖更大的区域。
NVIDIA DLI灾害风险监测课程
除了强大的技术之外,利用AI和数据科学分析并防止气候灾难的另一个关键是拥有技能娴熟的人员。
NVIDIA 全球人工智能计划副总裁Keith Strier表示:“NVIDIA和联合国卫星中心共同应对气候变化的影响,并推进联合国可持续发展目标的实现,这项工作的第一步就是教会数据科学家开发和部署能够改进洪水预测的GPU加速模型。”
联合国卫星中心已经为深度学习培训中心的免费在线课程开发了一个模块,该模块包括如何建立深度学习模型来自动检测洪水事件。
“使用卫星图像监测灾难风险”,是NVIDIA计划为全球公共部门社区提供的众多气候行动课程中的首个课程。
联合国卫星中心模块基于真实的联合国案例研究,而尼泊尔洪灾则是其中的重点案例。
联合国卫星中心与NVIDIA一起通过免费提供该模块,帮助全球数据科学家学习如何使用加速计算来预测和应对气候相关灾害。
Strier表示:“我们的目标是实现加速计算的普及,帮助大家通过更准确的训练深度学习模型来更好地预测和应对自然灾害和改善人类生活。”
该课程现已上线,您随时可以开始学习!
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。