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
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。