IBM·NASA, 허깅페이스에 최대 규모 지리공간 AI 파운데이션 모델 오픈소스 공개

IBM과 NASA가 공동 개발한 지리공간 AI 파운데이션 모델이 허깅페이스에 무료로 공개되었다. 막대한 양의 위성 데이터를 연구자나 개발자가 직접 가져와 지구 표면 변화를 분석할 수 있는 실용적인 도구로 탈바꿈시킨 셈이다.

어떤 작업에 쓸 수 있나

한마디로 위성 원격 탐사 이미지를 정밀하게 읽어내는 AI 모델이다.

홍수 침수 지역 매핑과 산불 피해 면적 분석 작업에서, 이 모델은 기존 최고 수준 기법 대비 절반의 라벨링 데이터만 사용하고도 성능을 15% 끌어올렸다.

사용자가 처음부터 방대한 데이터를 직접 라벨링할 필요 없이, 적은 양의 데이터를 추가로 미세조정(fine-tuning)하기만 하면 산림 벌채 감시, 작물 수확량 예측, 온실가스 배출 추적 등 다양한 분야에 곧바로 투입할 수 있다.

현재 IBM과 NASA 연구팀은 클라크 대학교와 협력해 시계열 데이터 분할 및 지표 변화 유사도 분석 등으로 적용 범위를 넓히는 작업도 진행 중이다.

어떻게 개발되었나

기후 및 지구 과학 분야의 가장 큰 병목은 데이터 부족이 아니라, 쏟아지는 관측 데이터를 분석 가능한 형태로 가공하는 데 드는 비용이었다. NASA 추정에 따르면 2024년까지 신규 탐사 미션에서 나오는 과학 데이터만 25만 테라바이트에 달한다.

이를 해결하기 위해 연구팀은 미국 본토 전역에서 1년 동안 수집된 랜드샛 및 센티널-2 통합 데이터(HLS)를 활용해 모델을 자기지도학습 방식으로 사전 훈련시켰다.

지표면의 스펙트럼과 물리적 패턴을 모델이 이미 이해하고 있기 때문에, 현업 개발자는 소량의 특정 상황 라벨 데이터만 입력해도 높은 정확도의 결과를 얻을 수 있다.

관심 있는 개발자는 허깅페이스에서 가중치를 내려받아 바로 테스트해 볼 수 있다. 상용 기능이 필요한 기업을 위해 IBM은 올해 말 자사 환경 인텔리전스 스위트(EIS)를 통해서도 제공할 계획이다.

왜 중요한가

GIS나 원격 탐사, 기후 기술을 다루는 팀이라면 지금 즉시 모델을 내려받아 성능을 점검해 볼 가치가 충분하다. 컴퓨터 비전 모델 개발에서 가장 많은 비용과 시간이 드는 라벨링 부담을 절반으로 줄여주기 때문이다.

우리는 이번 공개가 과학 AI 생태계 전반에도 긍정적인 자극을 줄 것으로 본다. 그동안 정부 기관이나 특정 연구소 내 폐쇄망에 머물던 지리공간 모델을 허깅페이스라는 공개 플랫폼에 개방함으로써, 공공 위성 데이터를 활용한 혁신 속도가 크게 빨라질 것으로 보인다.