NASA聯手IBM打造大型AI基礎模型，推進地球科學研究

NASA和IBM合作，要使用未標記的資料集訓練人工智慧基礎模型，並將基礎模型用於各種地球科學任務中，NASA表示，這項專案的合作目標，是要提供研究人員更簡單的方法，從學術論文或是NASA資料集中，分析並了解地球氣候奧秘。

地球氣候變遷對人類和生態系帶來許多影響，像是因為近年許多地區更熱更乾，因而助長了野火，科學家想知道，野火產生的煙霧會對空氣品質產生什麼樣的影響？而乾熱的天氣又會不會影響玉米和小麥的產量。過去要研究這些問題，科學家除了需要閱讀大量的論文，還需要來回檢視大量的衛星圖像來尋求解答。

而NASA和IBM的合作，便是要創建人工智慧基礎模型，藉由分析PB級文本和遙測資料，研究各式的地球科學議題。基礎模型將消化大量原始資料，在沒有明確指示下，找到這些資料的底層架構。IBM研究人員提到，雖然預訓練基礎模型可以使用人工標記的範例，教導模型一項特定任務，但是要將機器學習應用在遙測資料上，最主要的瓶頸就是缺乏訓練範例，因為要產生訓練範例，人類專家需要花費大量的時間標記衛星圖像中的樹木或農作物，以便讓模型知道應該關注哪些特徵。

而這項障礙在Transformer模型或許可以獲得解決，使得遙測資料分析更為可行。NASA擁有70 PB的地球科學資料，而且這些資料還會隨著NASA科學計畫的發展越來越多，所以透過基礎模型，將有望使這些NASA資料集發揮更大的作用。

NASA和IBM預計建立兩個基礎模型，第一個模型接受大量地球科學期刊訓練，使這些文獻能夠按照主題組織，讓科學家更容易搜尋和探索。第二個模型會以HLS資料集訓練，該資料集是由地球軌道衛星所捕捉的土地利用變化，能夠被用於偵測自然災害、植被追蹤，以及野生動物棲息地變化等自然資源管理。

IBM已經建立了地球科學期刊基礎模型，包含來自各個科學組織出版近30萬篇期刊文章，目前正在微調中，待訓練完成後，該模型將會整合至IBM開源多語言問答系統PrimeQA，屆時該系統將能夠回答特定科學問題，並且提供引用論文的連結和相關脈絡資料。

IBM提到，基礎模型已經在自然語言處理上成功，而現在他們正著手將其擴展至其他領域上，分析地理空間、事件序列、時間序列和其他非語言因素，解決目前最急迫的氣候問題。NASA和IBM在基礎模型上的合作，也包括之後使用大氣觀測資料集MERRA-2，建置氣候預測基礎模型。