Allen Institute lanza OlmoEarth embeddings, vectores de datos satelitales para analizar el cambio climático con IA
La organización sin ánimo de lucro publica herramientas para convertir imágenes de satélite en datos estructurados que cualquier investigador puede usar en sus propios modelos de inteligencia artificial.
El Allen Institute for AI (una organización sin ánimo de lucro fundada por el cofundador de Microsoft Paul Allen) acaba de lanzar OlmoEarth embeddings, según anunció en su blog oficial en Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados). Se trata de un sistema que permite exportar embeddings (representaciones numéricas que condensan la información visual de una imagen en un vector matemático) personalizados desde OlmoEarth Studio, su plataforma web para explorar datos de satélite procesados con inteligencia artificial.
La novedad es que ahora cualquier investigador puede seleccionar una región del planeta, un periodo temporal y un tipo de dato —como cambios en la vegetación, temperatura superficial o cobertura de nieve— y descargar los embeddings correspondientes sin necesidad de procesar las imágenes originales por su cuenta. Hasta ahora, analizar imágenes satelitales a gran escala requería infraestructura costosa y conocimientos técnicos avanzados. Con este sistema, los vectores ya están calculados y listos para usarse en modelos de machine learning (aprendizaje automático) propios, lo que democratiza el acceso a este tipo de análisis.
Los embeddings se generan a partir de OlmoEarth, un modelo de visión por computadora (un tipo de IA entrenado para interpretar imágenes) que el instituto publicó en febrero de 2024. Este modelo fue entrenado con 1,4 millones de imágenes del satélite Landsat, que lleva más de cincuenta años capturando la superficie terrestre con resolución de 30 metros por píxel. La ventaja de usar embeddings en lugar de imágenes crudas es que ocupan mucho menos espacio —un vector de 768 dimensiones frente a miles de píxeles— y pueden procesarse con hardware modesto, como un portátil convencional.
El Allen Institute ofrece varios casos de uso: monitorear la deforestación en la Amazonia, seguir el retroceso de glaciares en los Alpes o estudiar la expansión urbana en el sudeste asiático, todo sin necesidad de descargar terabytes de imágenes satelitales. Los embeddings se distribuyen bajo licencia Apache 2.0 (una licencia de código abierto que permite uso comercial sin restricciones) y pueden descargarse directamente desde Hugging Face. La organización también publicó notebooks de ejemplo en Python que muestran cómo cargar los datos y entrenar modelos de regresión (un tipo de modelo que predice valores numéricos, como temperatura o niveles de CO₂) a partir de ellos.
Este lanzamiento forma parte de la estrategia del Allen Institute de construir infraestructura abierta para investigación científica con IA. A diferencia de las grandes tecnológicas, que suelen limitar el acceso a sus modelos más potentes mediante APIs de pago (interfaces que permiten usar un servicio a través de internet, cobrando por cada consulta), el instituto publica tanto los modelos como los datos procesados de forma gratuita. La apuesta es que facilitar el acceso a embeddings precomputados acelere la investigación en cambio climático, agricultura de precisión y gestión de recursos naturales, especialmente en instituciones con presupuestos limitados.
