The Pulse
Ai2 e Taylor Geospatial collaborano allo sviluppo di strumenti aperti di IA geospaziale
La partnership riunirà benchmark per i modelli, una famiglia di modelli per l’osservazione della Terra e un progetto di mappatura dei campi agricoli. Le organizzazioni affermano che i risultati saranno liberamente utilizzabili con licenze aperte.

Ai2 e Taylor Geospatial uniscono le forze per sviluppare risorse aperte che permettano di confrontare e utilizzare modelli di IA realizzati per i dati di osservazione della Terra. La partnership riunisce un’iniziativa di benchmarking, la famiglia di modelli OlmoEarth di Ai2 e un progetto che mappa i confini dei campi agricoli a partire da immagini satellitari, secondo un post pubblicato da Ai2 il 18 novembre.
Fonte allenai.org
Ai2 afferma che tutto ciò che sarà prodotto dalla partnership, compresi dataset, benchmark e pesi dei modelli, sarà liberamente utilizzabile con licenze aperte su Source Cooperative e GitHub. Le organizzazioni hanno annunciato la partnership al SatSummit di St. Louis.
Confrontare i modelli
Benchmarks of The World intende aiutare gli utenti a confrontare i modelli di IA geospaziale. La partnership si rivolge a operatori e responsabili delle politiche che lavorano nei settori della conservazione, dell’agricoltura e degli aiuti umanitari.
Un audit di ottobre condotto da Taylor Geospatial ha esaminato 152 articoli sui modelli fondazionali geospaziali pubblicati tra il 2019 e il 2025, concludendo che i risultati pubblicati non consentivano confronti affidabili nell’ambito della letteratura scientifica. L’organizzazione ha rilevato che circa il 40% degli articoli non rilasciava alcun peso dei modelli; ha inoltre contato oltre 400 benchmark diversi negli articoli esaminati.
Taylor Geospatial ha riunito ricercatori e partner industriali per realizzare un sistema di benchmarking aperto. L’organizzazione vuole consentire ai team di ripetere le valutazioni e capire come si confrontano i modelli.
Modelli e mappe dei campi
OlmoEarth di Ai2 è una famiglia aperta di modelli fondazionali per l’osservazione della Terra. La sua piattaforma senza codice consente agli utenti di fare fine-tuning dei modelli e di eseguirli a livello globale.
Fields of The World è un ecosistema aperto per produrre un dataset globale dei confini dei campi agricoli a partire da immagini satellitari. Il progetto viene ampliato per migliorare la precisione dei confini e includere il tipo di coltura e la resa.
Nella sua seconda fase, Fields of The World ha pubblicato una valutazione di oltre 70 modelli di IA geospaziale e delle loro prestazioni comparative, oltre a un’architettura di modello per dedurre i confini dei campi, secondo Taylor Geospatial. Il progetto offre anche strumenti basati su browser per eseguire modelli e generare confini senza scrivere codice né configurare software. Gli sviluppatori possono scaricare il suo dataset di benchmark da Source Cooperative per addestrare modelli personalizzati.
Il contributo degli operatori
Fields of The World dispone già di un gruppo consultivo di utenti composto da 13 esperti di agenzie governative, organizzazioni dell’ONU, organizzazioni non profit, università e aziende geospaziali. I consulenti esaminano i dati e i modelli del progetto e li mettono alla prova nel proprio lavoro, come primi partner pilota.
I partner intendono raccogliere un contributo analogo dagli operatori per i benchmark condivisi, così che i test dei modelli riguardino attività che le persone devono svolgere sul campo. Cercano il parere di chi sviluppa, valuta o utilizza modelli fondazionali geospaziali su quali benchmark dovrebbero costituire un nucleo condiviso.
Fonti
Aziende in questa notizia
Notizie correlate
- XYBench di Ai2 verifica se le risposte dell’IA affrontano i veri obiettivi degli utenti
- Ai2 rilascia AstaBrief, un modello da 8B per report scientifici più rapidi
- CloudBackend raccoglie 6,6 milioni di euro per l’infrastruttura delle applicazioni di IA
- CoreWeave cita uno studio che mostra costi cloud fino al 65% inferiori per GB200 NVL72
- Databricks afferma di aver aumentato di 7,5× i limiti predefiniti di frequenza per la creazione dei cluster