OlmoEarth v1.1: os novos modelos de IA que leem imagens de satélite com mais eficiência
Allen Institute apresenta família de modelos de código aberto que analisa dados de observação da Terra com menor custo computacional e desempenho superior.
O Allen Institute for AI (um centro de pesquisa nos Estados Unidos focado em inteligência artificial) lançou a versão 1.1 do OlmoEarth, uma família de modelos de IA projetados para analisar imagens de satélite e outros dados de observação da Terra. A principal mudança é a eficiência: os novos modelos precisam de menos recursos computacionais para treinar e rodar, mas entregam resultados melhores que a versão anterior em tarefas como classificar o uso do solo, mapear estradas e identificar construções.
Os modelos foram publicados na Hugging Face (uma plataforma onde pesquisadores compartilham modelos de IA já treinados) e estão disponíveis em três tamanhos — 300 milhões, 1 bilhão e 7 bilhões de parâmetros (números que indicam a capacidade e complexidade de cada modelo). Todos usam pesos abertos (ou seja, qualquer pessoa pode baixar, estudar e adaptar os modelos sem pagar licenças), uma escolha que facilita o uso por governos, ONGs e institutos de pesquisa com orçamentos limitados.
Segundo o Allen Institute, a arquitetura foi otimizada com técnicas como agrupamento de patches (uma forma de processar a imagem em blocos menores) e um backbone mais eficiente (a estrutura básica do modelo que extrai informações das imagens). Os pesquisadores também mudaram a forma como o modelo é treinado: em vez de usar apenas aprendizado supervisionado (quando o modelo aprende com exemplos já etiquetados), combinaram essa abordagem com aprendizado contrastivo (uma técnica que ensina o modelo a distinguir imagens parecidas).
Os novos modelos foram testados em benchmarks públicos de sensoriamento remoto (conjuntos de dados usados para medir o desempenho de modelos de visão computacional aplicados a imagens de satélite) e superaram a versão anterior do OlmoEarth em todas as métricas avaliadas. O artigo técnico completo, com detalhes sobre treinamento e arquitetura, está disponível no repositório do projeto. A iniciativa faz parte de um esforço maior do Allen Institute para democratizar o acesso a ferramentas de IA aplicadas a problemas ambientais e de planejamento urbano.
