NASA的Harmonized Landset-Sentinel2 (HLS2) 数据集中,容纳的正是来自NASA Landset与ESA Sentinel的卫星数据。
NASA掌握着海量数据,且总体规模也在与日俱增。虽然部分数据能临到即时处理,但大部分数据都会被纳入归档以待日后分析,时间间隔有时甚至长达数年。如果研究人员要利用这些数据研究某些涉及动态变化特征(例如全球气候变化)的关键问题,就必须找到更好的解决方案。为了提高数据的及时处理和使用能力,NASA马歇尔太空飞行中心宣布与IBM研究院合作建立开发计划,使用IBM的基础AI技术处理NASA数据。
为了正确理解任务要求,我们将45 TB的GPT-3数据集作为比较对象。由此数据集训练而成的ChatGPT AI平台,最近刚刚通过了沃顿商学院的MBA考试。相比之下,NASA掌握的数据集预计超过250 PB,1PB约等于1000 TB,意味着NASA数据集的体量是GPT-3数据集的5000多倍。但这样一项艰巨的任务,也蕴含着种种突破性的可能。
此前,IBM估计收集到的数据中有90%从未被使用。在新闻稿中,蓝色巨人和NASA也提到“目前,全部科学发现中的一半都来自归档数据,研究人员正借此研究持续变化的挑战性威胁,比如气候变化。”而要想打造出与之匹配的海量归档数据挖掘方案,就必须借助AI的力量。IBM研究院掌握着海量云资源、AI专家的集体经验和坚实的AI基础模型技术,将帮助NASA将地球科学数据的过滤与分析周期由以往的几年甚至几十年,缩减为数月甚至是数天。
首个基础模型将使用超30万份地球科学刊物进行训练,从中提取上下文信息。这一阶段强调的是对现有数据的搜索和调查能力。第二个模型将以美国地质调查局(USGS)和NASA的Harmonized Landset-Sentinel2 (HLS2) 卫星数据集为训练素材。HLS2中的数据来自NASA/USGS Landsat 8 、Landsat 9 以及 ESA(欧洲航天局)Sentinel-2A 和 Sentinel-2B 联合卫星,以两到三天为周期生成可供分拆且经过调协的表面反射率数据。
根据NASA网页,Landsat 8和Landsat 9数据集合(空间分辨率为30米,重复周期为16天)同ESA Sentinel-2A/B集合(空间分辨率为10至20米,重复周期为5天)的结合将顺畅无缝。调协得出的最终数据集能够建立地表观测结果,空间分辨率为30米、重复周期为2到3天。
HLS数据会定期刷新,供研究人员对地表进行时间序列观察,分辨率可具体至田野/地块。这套统一的数据集可用于检测自然灾害、跟踪植被变化、观察虫害动向及野生动物栖息地迁移等。
IBM和NASA表示项目仍处于早期发展阶段。IBM基础模型目前正在IBM Cloud的众多英伟达A100 GPU上训练。但具体是在本地处理还是交由数据中心执行,将取决于“数据引力”(NASA数据是否足够便携以发送至云端,或者计算资源是否必须靠近数据)和应用于工作负载的具体计算资源。
NASA希望利用这些基础模型面向天气预报、气候分析、地质分析等领域生成transformer模型(即针对特定应用定制的AI模型)。其训练数据集和基础模型均保持开源,可供其他研究人员使用。理论上,NASA数据也可与其他美国/国际政府机构的数据相结合,例如美国国家海洋和大气管理局(NOAA)及农业部,以进一步完善训练数据集、将基础模型的覆盖范围扩大到地球科学的更多角落。
双方合作有望产生广泛影响。研究人员将掌握更强大的地球数据监测与分析能力;IBM自身可以将这些数据传递给子公司Weahter.com,更好地模拟天气模式及气候对地球的影响;由此产生的模型,也将对农业、渔业、石油和天然气勘探、采矿等更多行业的商业运营直到重要指导作用。
既然像GPT-3这样的大数据集能在短短几个月内就训练出智能聊天平台,那覆盖整个地球的超级数据集和由此产生的AI基础模型也许能帮助人类更好地了解、监测我们生活的这颗星球,最终创造出更加美好的未来。
好文章,需要你的鼓励
大数据可观测性初创公司Monte Carlo Data推出全新Agent Observability产品,为AI应用提供全方位数据和AI可观测性。该工具帮助团队检测、分类和修复生产环境中AI应用的可靠性问题,防止代价高昂的"幻觉"现象,避免客户信任度下降和系统宕机。新产品采用大语言模型作为评判器的技术,能够同时监控AI数据输入和输出,提供统一的AI可观测性解决方案。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
网络安全公司Aikido披露了迄今最大规模的npm供应链攻击事件。攻击者通过钓鱼邮件获取维护者账户凭证,向18个热门JavaScript包注入恶意代码,这些包每周下载量超过26亿次。恶意代码专门劫持加密货币交易,监控浏览器API接口将资金转移至攻击者地址。受影响的包括chalk、debug等广泛使用的开发工具库。虽然攻击在5分钟内被发现并及时公开,但专家警告此类上游攻击极具破坏性,可能与朝鲜黑客组织相关。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。