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
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
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。