Mis on OlmoEarth-v1_2-Base?
OlmoEarth-v1_2-Base on Allen Institute for AI ehk Ai2 pakutav avatud kaaludega Maa vaatlemise alusmudel. See on mõeldud kaugseire töövoogude jaoks: satelliitidelt kogutud piltide analüüsimiseks ning ruumiandmete ühendamiseks ajas tehtud vaatlustega.
Mudel ei ole vestluspõhine keelemudel. Selle peamine ülesanne on eraldada satelliidipiltidest või piltide aegridadest kasulikke arvulisi esitusi, mida nimetatakse tavaliselt embedding'uteks. Seejärel saab need edastada klassifikaatorile, segmenteerimissüsteemile, regressioonimudelile või mõnele muule konkreetse ülesande jaoks mõeldud rakendusele. Praktikas pakub mudel korduvkasutatavat visuaalset ja georuumilist lähtekohta, mitte ei genereeri otse kirjalikku vastust.
Hugging Face'is on mudel määratletud pildi tunnuste eraldamise mudelina. See kuulub OlmoEarth v1.2 perekonda ja on selle Base-variant, mille eesmärk on vähendada treenimise ja järeldamise kulusid, säilitades samal ajal varasemate OlmoEarthi versioonide jõudlusnäitajad.
Arhitektuur ja mudeli suurus
OlmoEarth-v1_2-Base kasutab ViT-Base'i arhitektuuri. ViT ehk Vision Transformer on närvivõrguarhitektuur, mis töötleb pilti visuaalsete paanide kogumina ja õpib nende paanide vahelisi seoseid. OlmoEarthi puhul on selline visuaalne töötlus kohandatud Maa vaatlemise andmete ja aegridade, mitte ainult tavaliste tarbijafotode jaoks.
Mudelil on ligikaudu 114 miljonit kodeerija parameetrit ja 30 miljonit dekooderi parameetrit. Kodeerija on see osa, mida seostatakse kõige otsesemalt sisendandmetest esituste loomisega, samal ajal kui dekooder toetab mudeli laiemat eeltreenimise ülesehitust. Need näitajad kirjeldavad mudeli arhitektuuri ning neid ei tohiks segi ajada tekstigeneratsiooni mudelite kontekstiakna või maksimaalse väljundmärgendite arvuga.
Esitatud OlmoEarth v1.2 tehnilise aruande kohaselt vähendavad v1.2 muudatused Base-mudeli treenimiseks vajalikke GPU-tunde ligikaudu kolm korda. Sama uurimus teatab Sentinel-2 ülesannete puhul korrutamis-liitmisoperatsioonide ehk MAC-ide arvu ligikaudu 2,9-kordsest vähenemisest, säilitades samal ajal üldise jõudluse. Need on tehnilises uurimuses esitatud väited, mitte garantii, et iga juurutuse või riistvarakeskkonna puhul saavutatakse täpselt samasugune kokkuhoid.
Toetatud Maa vaatlemise andmed ja modaalsused
OlmoEarth-v1_2-Base on loodud multimodaalsete georuumiliste sisendite jaoks. Selle treeningandmed hõlmavad Sentinel-1, Sentinel-2 ja Landsati satelliidipilte ning tuletatud geograafilisi kihte. Loetletud tuletatud allikate hulka kuuluvad OpenStreetMapi rasterandmed, ESA WorldCover, USDA Cropland Data Layer, SRTM-i kõrgusandmed, WRI Canopy Height Map ja WorldCereal.
Sentinel-1 annab radari vaatlusi, samal ajal kui Sentinel-2 ja Landsat pakuvad optilisi satelliidipilte. Mudeli kavandatud kasutus nende allikatega ei piirdu ühe pildi korraga uurimisega. See on mõeldud ka piltide aegridade jaoks, võimaldades järgnevatel süsteemidel kasutada analüüsi osana kuupäevade vahelisi muutusi.
Seetõttu sobib mudel muu hulgas maakattetüüpide kaardistamiseks, põllukultuuride ja põllumajanduse seireks, ökosüsteemide hindamiseks, metsatulekahjude analüüsimiseks, taimestiku uurimiseks ja muudeks rakendusteks, kus asukoht, anduriliik ja aeg on olulised üheskoos. Täpne sisendi ettevalmistamine on endiselt tähtis: tulemusi võivad mõjutada geograafiline katvus, andurite kombinatsioon, ajaline proovivõtt, eraldusvõime ja eeltöötlus.
Mida mudel toodab
Peamine väljund on õpitud tunnuste esitus ehk embedding. Embedding on sisendi arvuline kirjeldus, mis säilitab mustrid, mida mudel eeltreenimise käigus õppis. Rakendused saavad neid esitusi kasutada asukohtade võrdlemiseks, väiksema ennustuspea treenimiseks, maakattetüüpide klassifitseerimiseks või piksli- ja piirkonnatasandi analüüsi toetamiseks.
Ai2 dokumenteeritud töövood hõlmavad embedding'ute eraldamist ja segmenteerimise peenhäälestust ning integratsiooni rslearniga. Peenhäälestamine tähendab eeltreenitud mudeli kohandamist konkreetse andmestiku või ülesandega, selle asemel et treenida kogu Maa vaatlemise süsteem algusest peale.
OlmoEarth-v1_2-Base ei tooda algupäraselt teksti, pilte, heli ega videot. Seetõttu tuleks seda käsitleda pigem esituste õppimise mudeli kui generatiivse tehisintellekti assistendina. Samuti ei paku see dokumenteeritud märgendipõhist vestlusliidest, funktsioonikutsete süsteemi, veebiotsingu tööriista ega üldotstarbelist agendiraamistikku.
Hind, juurdepääs ja litsents
OlmoEarth-v1_2-Base'i ametlikku majutatud API hinda ei ole esitatud. Mudel on saadaval allalaaditavate kaaludena, mitte tavapärase märgendi- või tokenipõhise tasulise lõpp-punktina. Seetõttu ei ole teatamiseks kontrollitud sisendhinda, väljundhinda, kuutellimust, kontekstiakna tasu ega maksimaalsete väljundmärgendite lubatud arvu.
Kasutajad peaksid eristama majutatud API hinnainfo puudumist tegevuskulude puudumisest. Mudeli käitamine kohapeal või renditud taristus võib siiski nõuda sobivat riistvara, salvestusruumi, andmete ettevalmistamist ja inseneritööd. Tegelik kulu sõltub pilditöötluse torujuhtme mahust ning järeldamiseks või peenhäälestuseks kasutatavast riistvarast.
Allalaaditavad kaalud kasutavad OlmoEarth Artifact License'i. Kõik, kes kavandavad mudeli edasilevitamist, ärilist juurutamist või kasutamist tundlike georuumiliste andmetega, peaksid enne juurutamist tutvuma litsentsi, mudeli dokumentatsiooni ja Ai2 vastutustundliku kasutamise juhistega. Mudel on seotud ka OlmoEarth Platformiga, Ai2 majutatud keskkonnaga Maa vaatlemise töövoogude jaoks, kuid esitatud teave ei sisalda konkreetset platvormi hinda ega tähenda, et kõik mudeli funktsioonid oleksid ühe ühtse majutatud liidese kaudu kättesaadavad.
Võimalused ja piirangud
OlmoEarth-v1_2-Base'i suurim tugevus on spetsialiseeritud Maa vaatlemise esituste õppimine. Mudel on treenitud mitme satelliidi- ja tuletatud georuumilise modaalsuse põhjal, toetab piltide aegridu ning seda saab kohandada järgnevateks ülesanneteks. Avatud kaaludega levitus võib olla kasulik ka uurimisrühmadele, kes soovivad mudelit uurida, peenhäälestada või käitada väljaspool suletud kommerts-API-t.
Mudelil on olulised piirangud:
- See ei ole teksti genereerimise mudel ega saa toimida vestluspõhise assistendina.
- Sellel ei ole dokumenteeritud märgendipõhist konteksti pikkust ega maksimaalset väljundmärgendite piirangut, sest väljund on genereeritud teksti asemel tunnuste esitus.
- See ei genereeri algupäraselt pilte, heli ega videot.
- Selle puhul ei ole dokumenteeritud tööriistade, funktsioonikutsete, voogedastusvastuste, veebiotsingu ega struktureeritud tekstiväljundi tuge.
- Tulemused võivad erineda sõltuvalt geograafilisest piirkonnast, andurite kombinatsioonist, ajalisest kattuvusest, eeltöötlusest ja järgnevast kohandamisest.
- Enne kasutamist operatiivsete, keskkonnaalaste, põllumajanduslike või hädaolukordi puudutavate otsuste tegemisel tuleks mudelit valideerida esinduslikel kohalikel andmetel.
Mudelikaart ja esitatud uurimus ei dokumenteeri tavapärast teksti mõistmise ega programmeerimisvõimekust. Kõik kataloogikirjega seotud mõtlemis- või programmeerimisskoorid on toimetusliku andmebaasi hinnangud, mitte teenusepakkuja avaldatud võrdlustestid ega väited. Samal põhjusel tuleks mudeli suhteliselt soodsaid kulu- ja kiirusehinnanguid käsitleda võrdleva metaandmena, mitte konkreetse masina garanteeritud jõudlusena.
Millal valida OlmoEarth-v1_2-Base?
Vali OlmoEarth-v1_2-Base siis, kui keskne probleem hõlmab satelliidipilte, georuumiandmeid või ajas kogutud vaatlusi. See sobib kandidaatmudeliks meeskondadele, kes soovivad:
- eraldada embedding'uid Sentinel-1, Sentinel-2, Landsati või seotud andmetest;
- luua maakattetüüpide või põllukultuuride seire klassifikaatoreid;
- peenhäälestada mudelit segmenteerimiseks või muudeks kaugseireülesanneteks;
- katsetada avatud Maa vaatlemise alusmudeleid;
- käitada ja uurida allalaaditavaid kaalusid, selle asemel et sõltuda märgendipõhise hinnastusega keelemudeli API-st.
Selle Base-konfiguratsioon võib olla eriti sobiv juhul, kui arvutuslik tõhusus on oluline. Teatatud treenimise GPU-tundide ja MAC-ide vähenemine on kasulik näitaja meeskondadele, kes peavad tasakaalustama mudeli kvaliteeti ja taristukulusid, kuigi tegelikku kokkuhoidu tuleks mõõta meeskonna enda töövoos.
Millal võib teist tüüpi valik olla parem?
Üldotstarbeline visuaal-keelemudel on sobivam, kui rakendus vajab loomulikus keeles selgitusi, piltide kohta küsimustele vastamist või kasutajatega suhtlemist. Keelemudel sobib paremini vestluseks, koodi genereerimiseks, dokumentide koostamiseks, tööriistade kasutamiseks ja märgendipõhiste API-de jaoks. Tavapärane arvutinägemismudel võib samuti olla eelistatum, kui ülesanne on kitsas, sisendvorming kindlalt määratletud või väiksemat ülesandespetsiifilist mudelit on lihtsam käitada.
OlmoEarth-v1_2-Base ei ole automaatselt parim valik iga georuumilise juurutuse jaoks. Kommertslik majutatud kaugseireteenus võib vähendada taristu ja eeltöötluse koormust, samal ajal kui konkreetse piirkonna, anduri või prognoosieesmärgi jaoks treenitud mudel võib pärast kohalikku hindamist paremini toimida. OlmoEarthi eelis on selle avatud ja korduvkasutatav Maa vaatlemise esitus, mitte lubadus saavutada universaalne täpsus.
Kokkuvõte
OlmoEarth-v1_2-Base on spetsialiseeritud avatud kaaludega alusmudel, mis muudab satelliidipildid ja georuumilised aegridad kasulikeks esitusteks. Selle 114 miljoni parameetriga ViT-Base'i kodeerija, laiaulatuslikud Maa vaatlemise treeninguallikad ja tugi järgnevaks peenhäälestuseks muudavad selle asjakohaseks kaugseirealases uurimistöös ja tootmise prototüüpimisel. Seda ei tohiks hinnata nagu vestlusmudelit: sellel ei ole teksti kontekstiakent, väljundmärgendite piirangut, vestluspõhist mõtlemisliidest ega ametlikku majutatud API hinda. Peamine küsimus on, kas avatud Maa vaatlemise embedding'u mudel vastab rakenduse andmetele ja juurutusvajadustele.