O Allen Institute for AI, conhecido como Ai2, quer que a análise de satélite deixe de exigir um agregado de GPU. A 22 de outubro lançou o OlmoEarth v1.3, um modelo de representações para observação da Terra, com representações anuais pré-calculadas de todo o planeta e uma ferramenta no navegador, o OlmoEarth Embeddings Explorer, que funciona sem conta. Os pesos do modelo, os dados de treino e o código de pré-treino são publicados sob a OlmoEarth Artifact License, a mesma licença aberta das versões anteriores.
Uma representação, neste caso, é uma descrição numérica compacta de um lugar. O OlmoEarth v1.3 lê um ano inteiro de imagens de radar do Sentinel-1 e de imagens óticas do Sentinel-2 e do Landsat e devolve um vetor de 128 dimensões por cada quadrado de 10 metros; os primeiros 64 números podem ser usados sozinhos como versão mais leve. Internamente, um transformador de visão processa as imagens, uma etapa de agregação por atenção condensa-as por parcela e uma camada linear final reduz tudo a 128 valores. Com esses vetores, fazer um mapa de culturas ou de ocupação do solo passa a exigir apenas treinar um pequeno classificador num computador comum, diz o Ai2, em vez de afinar um grande modelo para cada tarefa.
O Ai2 comparou as representações com o AlphaEarth Foundations, da Google DeepMind, e com o Tessera v2 em 27 avaliações em seis continentes. A versão de 128 dimensões obteve o melhor resultado em 20 e ficou em primeiro no total; a de 64 dimensões liderou em 18. O instituto apresentou ainda o PLANTEUR, um novo teste de referência para tipos de culturas na agricultura tropical, e afirma que as suas representações se generalizam melhor a regiões que o classificador nunca viu. São resultados do próprio Ai2, expostos num relatório técnico.
A eficiência de treino também melhorou. Segundo o Ai2, a v1.3 usou 53% da computação da v1.2 e 18% da primeira versão, e reproduzir a ronda final de pré-treino do modelo Base custaria cerca de 2.720 dólares em tempo alugado de H100. O instituto acrescenta que o desempenho em afinação iguala o da v1.2.
O arquivo publicado ronda 150 terabytes por ano. No lançamento, 2023 a 2025 têm cobertura global, enquanto 2017 a 2022 abrangem apenas alguns países. Cada mosaico de 20 quilómetros inclui tabelas de proveniência com as cenas Sentinel e Landsat usadas. No explorador é possível comparar anos, encontrar locais parecidos ou marcar alguns pontos, treinar um classificador rápido e exportar um GeoTIFF. O exemplo do Ai2 acompanha a mineração ilegal de ouro junto à reserva de Tambopata, no Peru, onde as mudanças refletem a repressão de 2019 e a atividade posterior.
O lançamento coincide com a publicação, pela Google DeepMind, de um mapa de tipos de floresta baseado nas suas representações AlphaEarth, sinal de que as representações planetárias se estão a tornar infraestrutura partilhada para o clima e o uso do solo. As comparações ainda não foram reproduzidas por grupos externos, e a cobertura histórica anterior a 2023 continua parcial.