Модель называется TESSERA, и ее концепция заимствована у больших языковых моделей (LLM). Если языковая модель учится на текстах, то TESSERA учится на космосе. Она обрабатывает многолетние снимки со спутников Sentinel Европейского космического агентства — как радарные, так и оптические, объявила команда. Затем она сжимает каждый участок суши планеты размером 10 на 10 метров в компактный «отпечаток» (эмбеддинг) из 128 чисел.
Звучит абстрактно, но практическая польза вполне осязаема.
Обычно картирование посевов, лесов или зон затопления по спутниковым данным требует создания специализированной модели и ручной разметки тысяч примеров для каждой отдельной задачи.
Поскольку «отпечатки» TESSERA уже вычислены, исследователи могут создавать такие инструменты с гораздо меньшим объемом данных, часто используя обычный процессор (CPU). По словам команды, им требуется примерно в 30 раз меньше размеченных данных по сравнению с работой с «сырыми» изображениями.
В результате получается некий фундамент для всей планеты, который публикуется в открытом доступе для всех желающих. И самое необычное здесь — на чем именно все это работало.
Планетарный ИИ без Nvidia
Кембриджская группа по изучению энергетики и окружающей среды обучила TESSERA на 16 графических процессорах AMD Instinct MI300X, затратив около 6200 GPU-часов и используя открытое ПО AMD ROCm. Обучение модели — это относительно легкая часть. Запустить ее для обработки каждого 10-метрового пикселя на Земле (а это около 1,5 триллиона пикселей в год) — задача куда более сложная.
Для этого команда обратилась к Vultr — независимой облачной компании, которая спонсировала вычислительные мощности, предоставив шесть своих выделенных серверов (bare-metal). Каждый из них оснащен восемью GPU AMD Instinct MI325X. Вместе они выдают около трех терабайт сжатых данных в день. Исследователи сравнивают это с ежедневным сканированием всей территории Италии.
На непрерывную обработку глобального покрытия всего за один год уходят месяцы.
Базовый слой для Земли
Главная идея — открытость. Кембридж публикует эмбеддинги бесплатно под лицензией Creative Commons вместе с полным рецептом обучения. Любое правительство, исследователь или стартап может использовать их в качестве основы для своих разработок.
Профессор Анил Махавапедди (Anil Madhavapeddy), возглавляющий проект, говорит, что главная цель — «демократизировать доступ к мониторингу окружающей среды планетарного масштаба».
Сферы применения вполне конкретны. Фермеры могут отслеживать состояние посевов и прогнозировать урожайность с разрешением до 10 метров — это настоящая находка для мелких хозяйств в развивающихся регионах.
Экологи могут наблюдать за изменениями среды обитания: от тропических лесов до живых изгородей в Великобритании, где прячутся ежи. Специалисты по энергетике могут составлять карты солнечных и ветряных электростанций для содействия экологическому переходу. И все это работает на одних и тех же общих «отпечатках».
История с TESSERA кажется небольшой, но за ней стоит масштабный подтекст. Государственный университет создал ИИ-модель передового уровня, сделал ее бесплатной и выполнил эту работу на «неправильном» железе, от которого все отговаривают. Индустрия живет в уверенности, что серьезный искусственный интеллект возможен только на графических процессорах Nvidia и в закрытых лабораториях.
Планета эмбеддингов, обученная на чипах AMD и отданная людям даром — это тихое, но веское опровержение.
Опубликовано 23 июля 2026 - 09:04 Наверх
