OlmoEarth v1.1: modelos de IA para observar la Tierra que funcionan en ordenadores normales
El Allen Institute lanza una nueva familia de modelos que analiza imágenes satelitales con hasta cinco veces menos recursos que las versiones anteriores.
El Allen Institute for AI ha presentado OlmoEarth v1.1, una familia de modelos de inteligencia artificial diseñados para analizar imágenes de satélite de forma mucho más eficiente que sus predecesores. Según informó la organización en el blog de Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados), estos nuevos modelos consumen hasta cinco veces menos memoria y procesan datos satelitales entre 1,6 y 2,8 veces más rápido, manteniendo o incluso mejorando la precisión en tareas como identificar cultivos, detectar cambios en el uso del suelo o clasificar tipos de cobertura vegetal.
La novedad principal está en la arquitectura: OlmoEarth v1.1 se basa en Vision Transformer (ViT), una estructura de red neuronal que divide las imágenes en cuadrados pequeños para procesarlas de forma paralela, lo que resulta más rápido y ligero que los modelos convolucionales tradicionales. Además, el equipo ha introducido cambios técnicos como capas de proyección compartidas y ajustes en cómo se procesa información de distintos momentos en el tiempo (algo crucial cuando se comparan imágenes satelitales de la misma zona tomadas en diferentes fechas), lo que reduce el número de parámetros (los valores ajustables que definen el comportamiento del modelo) sin perder capacidad de análisis.
Los modelos vienen en tres tamaños: desde 85 millones de parámetros hasta 303 millones, permitiendo elegir entre velocidad y precisión según las necesidades del proyecto. Todos están entrenados con datos del satélite Sentinel-2 de la Agencia Espacial Europea, que captura imágenes de toda la superficie terrestre cada pocos días con múltiples bandas espectrales (tipos de luz visible e invisible que revelan información sobre vegetación, humedad o minerales). La versión más grande alcanza un 84,8% de precisión en tareas de clasificación de cobertura terrestre usando el conjunto de datos BigEarthNet, superando a modelos anteriores que requerían el doble de recursos.
El equipo ha liberado todos los modelos con licencia Apache 2.0 (una licencia de código abierto que permite uso comercial sin restricciones), incluyendo los pesos del modelo (los parámetros ya entrenados, listos para usar) y el código de entrenamiento. Esta decisión busca democratizar el acceso a herramientas de observación terrestre por IA, especialmente para organizaciones sin recursos para entrenar modelos desde cero o para investigadores que trabajan en laptops convencionales en lugar de servidores con GPU potentes (procesadores especializados en cálculos de IA). Los modelos ya están disponibles en Hugging Face y pueden descargarse gratuitamente.
OlmoEarth v1.1 forma parte de una estrategia más amplia del Allen Institute por hacer la IA de observación terrestre accesible y reproducible. A diferencia de muchos proyectos académicos que solo publican papers sin código ni datos, aquí se ofrece todo el pipeline completo: desde notebooks de entrenamiento hasta ejemplos de uso para tareas específicas como detección de incendios forestales o monitoreo de inundaciones. La apuesta es que, con modelos más pequeños y eficientes, más gente pueda trabajar en problemas medioambientales urgentes sin depender de infraestructuras corporativas costosas.
