Une IA auto-supervisée peut apprendre à reconnaître les types de nuages dans les images satellites sans intervention humaine
Les nuages jouent un rôle essentiel dans le climat et la météo de la Terre. Ils se forment selon des modèles et des types différents qui peuvent avoir des impacts profondément différents sur des éléments tels que le cycle de l'eau et la façon dont l'énergie rayonnante se déplace dans l'atmosphère. Les satellites d'observation de la Terre capturent des images depuis des décennies et ces ensembles de données offrent une opportunité unique d'étudier les nuages et leur impact sur le système terrestre.
L’énorme quantité d’images satellite peut être prohibitive à évaluer, car les scientifiques sont bien trop nombreux pour pouvoir les trier manuellement. L’IA auto-supervisée peut apprendre à interpréter les images sans intervention humaine. Mais les IA de reconnaissance d’images classiques nécessitent de grandes quantités d’étiquettes générées par l’homme pour s’entraîner.
Dans un nouvel article, publié dans L'intelligence artificielle au service des systèmes terrestresdes chercheurs démontrent une IA à laquelle on peut apprendre à reconnaître les types de nuages en observant des millions d'images satellites de nuages sans intervention humaine.
L'IA développée dans le cadre de cette recherche apprend à générer une représentation numérique simple d'images de nuages en effectuant ce qui est essentiellement une tâche de mise en correspondance d'images. Elle est entraînée sur des paires d'images de nuages prises à des endroits proches susceptibles de contenir les mêmes types de nuages. Elle est récompensée pour l'apprentissage de représentations similaires d'images avec le même type de nuages et de représentations différentes pour des images avec des types de nuages différents.
Le modèle a été évalué sur plusieurs ensembles de données d’images de nuages qui ont été étiquetées manuellement par des études de classification de nuages antérieures et qui ont fonctionné de manière comparable aux modèles de classification qui avaient été formés avec des étiquettes générées par l’homme.
Les chercheurs ont également démontré la capacité du modèle à généraliser entre les instruments satellites et ont exploré les représentations internes des nuages apprises par le modèle en forçant le modèle à halluciner des images en fonction de ses propres paramètres.