Ai2(Allen Institute for Artificial Intelligence)가 위성 지도 임베딩 모델 OlmoEarth v1.3과 전 지구 연간 임베딩을 공개했다. 해상도별로 미리 계산한 임베딩을 함께 내놓았고, 브라우저 기반 지도 제작 도구 OlmoEarth Embeddings Explorer도 선보였다. 모델을 학습하는 데 쓴 연산 시간은 v1.2의 53% 수준이라고 Ai2는 밝혔다.
Explorer는 로그인 없이 쓸 수 있다. 지금까지 OlmoEarth를 쓰는 주된 방법은 OlmoEarth Studio에서 미세 조정하고 과업마다 모델을 학습한 뒤 위성 데이터에 돌려 지도를 만드는 것이었다. 이 방식은 많은 GPU 자원과 영상을 내려받아 저장할 수 있는 환경이 필요했다.
모델은 1년 동안의 위성 관측을 가장 작은 단위인 10×10m 지표면 조각마다 수치 지문으로 압축한다. 더 거친 해상도도 제공한다. 이 지문에는 작물, 숲, 광산 같은 토지 피복을 구분하는 데 쓸 수 있는 패턴이 담긴다.
입력은 Sentinel-1, Sentinel-2, Landsat 등에서 얻은 1년치 영상이다. Sentinel-1은 레이더 반사를 측정하고, Sentinel-2와 Landsat은 가시광선과 적외선 영역의 빛을 포착한다.
Ai2는 v1.3이 OlmoEarth 시리즈에서 학습 비용이 가장 낮은 모델이라고 밝혔다. 학습에 든 연산 시간은 v1.2의 53%, 첫 버전 v1의 18%이고, 탄소 배출량은 각각 50%와 22%다. v1.2도 여전히 강한 미세 조정 모델이어서 연구 기관과 협력 연구소에 가치가 있다.
페루 마드레데디오스 지역 라팜파의 불법 금 채굴은 2017~2018년에 절정에 이르렀고, 탐보파타 국립보호구역 완충지대에서 1,200헥타르 넘는 숲을 개간했다. 이 활동은 Amazon Conservation Team의 MAAP 감시 프로그램이 보고했다. 페루는 2019년 2월 머큐리오 작전으로 대부분을 중단시켰다.
SiliconANGLE는 모델을 따로 학습하지 않고 연도별 임베딩의 픽셀을 비교하는 것만으로 채굴 중단이 눈에 보인다고 설명했다. 2016~2020년 비교에서는 남부 채굴 지대의 동쪽 확산과 함께 변화 면적이 34㎢로 나타났다. 같은 방식으로 2020~2024년을 비교하면 변화 면적이 9㎢로 줄었다. 농업 분석가가 기름야자 재배지를 지도에 표시해, 농장 확장이 숲을 대체했을 가능성이 있는 곳을 골라 살피는 쓰임도 제시했다.
Ai2에 따르면 기존에는 아이디어 하나를 OlmoEarth로 시험하려면 몇 시간 걸리는 미세 조정이 필요했지만, Explorer에서는 첫 확인이 몇 초면 끝난다. 소수의 라벨만으로 지역을 분석할 때는 GPU가 필요 없다. 미세 조정이 필요한 실험이라면 임베딩으로 먼저 계산 시간을 들일 가치가 있는지, 모델이 어디서 부족한지 가늠할 수 있다고 회사는 설명했다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.