Las nubes desempeñan un papel fundamental en el clima y el tiempo de la Tierra.Se forman en una diversidad de patrones y tipos distintos que pueden tener impactos profundamente diferentes en cosas como el ciclo del agua y cómo la energía radiante se mueve a través de la atmósfera.Los satélites de observación de la Tierra han estado capturando imágenes durante décadas y estos conjuntos de datos ofrecen una oportunidad única para estudiar las nubes y su impacto en el sistema Tierra.

La enorme cantidad de imágenes de satélite puede resultar prohibitiva de evaluar porque hay demasiadas imágenes para que los científicos las clasifiquen manualmente.La IA autosupervisada puede aprender a interpretar imágenes sin intervención humana.Pero las IA típicas de reconocimiento de imágenes requieren grandes cantidades de etiquetas generadas por humanos para entrenarse.

En un nuevo artículo,publicadoenInteligencia artificial para los sistemas terrestres, los investigadores demuestran una IA a la que se puede enseñar a reconocer tipos de nubes observando millones deimágenes de satélitede nubes sin necesidad de intervención humana.

La IA desarrollada en esta investigación aprende a generar una representación numérica simple de imágenes de nubes realizando lo que es esencialmente una tarea de comparación de imágenes.Se entrena con pares de imágenes de nubes tomadas desde ubicaciones cercanas que probablemente contengan los mismos tipos de nubes.Se recompensa por aprender representaciones similares de imágenes con el mismo tipo de nube y representaciones diferentes de imágenes con diferentes tipos de nube.

Elmodelose evaluó en varios conjuntos de datos de imágenes de nubes que han sido etiquetadas manualmente mediante estudios de clasificación de nubes anteriores y se realizó de manera comparable a los modelos de clasificación que habían sido entrenados con etiquetas generadas por humanos.

Los investigadores también demostraron la capacidad del modelo para generalizar entre instrumentos satelitales y exploraron las representaciones internas de las nubes aprendidas por el modelo, obligándolo a alucinar imágenes basadas en sus propios parámetros.

Más información:Andrew Geiss et al, Clasificación de nubes autosupervisadas,Inteligencia artificial para los sistemas terrestres(2024).DOI: 10.1175/AIES-D-23-0036.1