تتعاون وكالة ناسا مع شركة آي بي إم لبناء نماذج تأسيسية للذكاء الاصطناعي للنهوض بعلوم المناخ

وكالة الفضاء الأمريكية ناسا ليست مهتمة فقط باستكشاف الفضاء الخارجي ، بل إنها مهتمة أيضًا بمساعدة البشرية على معرفة المزيد عن كوكب الأرض وتأثيرات تغير المناخ.

أعلنت وكالة ناسا وشركة IBM اليوم عن شراكة ستشهد تطوير نماذج تأسيسية جديدة للذكاء الاصطناعي (AI) للمساعدة في تحليل بيانات الأقمار الصناعية الجغرافية المكانية ، في محاولة للمساعدة في فهم تغير المناخ واتخاذ إجراءات بشأنه بشكل أفضل. حتى الآن ، اعتمدت ناسا إلى حد كبير على تطوير مجموعتها الخاصة من نماذج الذكاء الاصطناعي المخصصة لخدمة حالات استخدام محددة. الوعد بنهج النموذج الأساسي هو نموذج لغة كبير (LLM) تم تدريبه على الكثير من البيانات التي يمكن أن تكون بمثابة نظام أغراض أكثر عمومية يمكن تخصيصها حسب الحاجة.

من بين الأهداف الأولية للشراكة تدريب نموذج أساسي على مجموعة بيانات ناسا المتناسقة لاندسات سنتينل -2 (HLS) ، والتي تحتوي على بيتابايت من البيانات التي تم جمعها من الفضاء حول تغييرات استخدام الأراضي على الأرض.

إلى جانب مجرد المساعدة في تحسين حالة تحليل المناخ على الأرض ، تأمل شركة IBM في أن يكون لنموذج الأساس الجديد الذي طورته بالاشتراك مع وكالة ناسا إمكانية تطبيق أوسع وتأثيرًا إيجابيًا لحالات استخدام الذكاء الاصطناعي في المؤسسات أيضًا.

“ما نقوم به مع وكالة ناسا سيساعدنا على دفع الابتكار على طول الطريق من البنية التحتية والأجهزة إلى أعلى من خلال منصات الأنظمة الموزعة والبرمجيات الوسيطة والتطبيقات نفسها” ، بريا ناجبوركار ، نائب رئيس النظام الأساسي السحابي المختلط وإنتاجية المطورين في IBM Research ، قال خلال مؤتمر صحفي أعلن فيه الشراكة. وسيشمل دفع التطورات في هياكل الذكاء الاصطناعي ، وحتى تقنيات إدارة البيانات.

هيوستن ، لدينا مشكلة (بيانات ضخمة)

بعبارة ملطفة ، لدى ناسا الكثير من البيانات.

أوضح راهول راماتشاندران ، كبير الباحثين في مركز مارشال لرحلات الفضاء التابع لناسا في هانتسفيل ، ألاباما ، خلال المؤتمر الصحفي أن وكالة ناسا لديها بالفعل أكبر مجموعة من بيانات رصد الأرض. تم جمع هذه البيانات لدعم مهمة ناسا العلمية لفهم كوكب الأرض كنظام معقد. تأتي البيانات من أدوات مختلفة ، وتتضمن حاليًا أرشيفًا يحتوي على 70 بيتابايت من البيانات. من المتوقع أن ينمو الأرشيف في غضون سنوات قليلة إلى 250 بيتابايت.

قال راماشاندران: “من الواضح ، بالنظر إلى حجم البيانات التي لدينا ، أن لدينا مشكلة بيانات ضخمة”. هدفنا هو جعل بياناتنا قابلة للاكتشاف ، ويمكن الوصول إليها ، وقابلة للاستخدام للاستخدام العلمي على نطاق واسع في التطبيقات في جميع أنحاء العالم.

وأضاف راماشاندران أن ناسا تبحث دائمًا عن أساليب وتقنيات جديدة من شأنها أن تساعد في تبسيط عملية البحث ، فضلاً عن تقليل حاجز الدخول للمستخدمين النهائيين لاستخدام البيانات العلمية المعقدة التي تحتفظ بها وكالة الفضاء. هذا هو المكان الذي يتم فيه تطوير نماذج الأساس لتسهيل الاستفادة من البيانات التي جمعتها وكالة ناسا.

يمكن أن تكون إمكانية النموذج الأساسي الذي تبنيه وكالة ناسا مع شركة آي بي إم تغيرًا حقيقيًا في حياة البشرية.

على سبيل المثال ، قال راماشاندران إن بناء نموذج أساس يحتوي على بيانات صور القمر الصناعي يمكن أن يسهل على شخص ما في منطقة الكوارث تحديد مدى الفيضانات ، حيث يقوم النموذج تلقائيًا بتعيين مكان حدوث الفيضان. مثال آخر يمكن أن يكون تحديد الضرر في منطقة الأعاصير.

ستستفيد أيضًا PyTorch والذكاء الاصطناعي مفتوح المصدر

على الجانب التكنولوجي ، ستستخدم IBM على نطاق واسع سلسلة من التقنيات ، بما في ذلك Red Hat OpenShift ، لتشغيل أحمال عمل تدريب الذكاء الاصطناعي وأطر التعلم الآلي مفتوحة المصدر ، ولا سيما PyTorch.

بدأ إطار عمل التعلم الآلي لـ PyTorch مفتوح المصدر في Facebook (المعروف الآن باسم Meta) وانطلق كمؤسسة PyTorch الخاصة به في سبتمبر 2022. كان IBM Research مساهمًا نشطًا في PyTorch ، حيث قام بدمج الإمكانات في إطار عمل إصدار PyTorch 1.13 للمساعدة تشغيل أعباء عمل كبيرة على الأجهزة السلعية.

قال Raghu Ganti ، الباحث الرئيسي في IBM Research ، إن PyTorch هو عنصر أساسي في استراتيجية الذكاء الاصطناعي لشركة IBM.

قال Ganti: “نحن نعتمد فقط على PyTorch لتدريب جميع نماذج الأساسات لدينا”.

أضاف Ganti أن IBM ستستمر في المساهمة مرة أخرى في مجتمع PyTorch حيث تواصل الابتكار في التكنولوجيا لبناء نماذج أساس قوية بشكل متزايد. من وجهة نظر Ganti ، سيكون للجهود المشتركة مع وكالة ناسا لبناء نماذج الأساس تطبيقات متعددة وتأثير واسع.

قال “أعتقد أنه سيزيد ويسرع العملية العلمية من حيث بناء وحل مشاكل علمية محددة”. “بدلاً من أن يضطر الأشخاص إلى بناء مسار تعلم الآلة الفردي الخاص بهم ، بدءًا من جمع كميات كبيرة من بيانات التدريب.”