심층 해설 · 약 5분 읽기
Ai2, OlmoEarth v1.3 연간 임베딩과 브라우저 탐색기 공개
OlmoEarth v1.3은 10m 위성 특징을 128차원·64차원으로 재사용하게 한다. 과거 연도별 범위는 균일하지 않으며 용도 제한 라이선스도 확인해야 한다.
- 사이트 게시일
- 원문 게시일
- 출처 확인일
Ai2는 10월 22일 발표에서 OlmoEarth v1.3 Base, 사전 계산한 연간 위성 임베딩, Embeddings Explorer를 소개했다. 지구 관측 영상을 유용한 지도로 바꾸는 수고를 줄이려는 공개지만 범위, 평가 결과, 허용 용도는 따로 살펴야 한다.
뉴스 듣기
이 기사를 읽어 드리거나 뉴스를 계속 재생합니다.
읽기를 준비하는 중…
기기 음성
읽기는 브라우저나 기기에서 처리합니다. AISubHub는 내용을 오디오 API로 보내지 않습니다. 사용 가능한 음성과 잠금 화면 재생은 기기에 따라 다릅니다.
계속 재생할 때 짧은 구절이 반복될 수 있습니다.
핵심 요약
- Ai2는 128차원 임베딩이 27개 평가 중 20개에서, 작은 64차원 선택지는 18개에서 앞섰다고 보고했다. AISubHub 실측이 아닌 개발사 결과다.
- 출시 시 2023~2025년은 전 세계 규모의 연간 범위를 제공하고 2017~2022년은 일부 국가만 포함한다. 벡터는 육지와 인접 연안 수역을 나타내며 모든 표면을 실시간으로 보여 주는 지도가 아니다.
- 약 2,720달러 추정치는 최종 사전학습 한 번만 포함한다. 전 세계 연간 임베딩 계층 생성은 별개의 훨씬 큰 작업이며, 아티팩트 라이선스는 특정 용도를 제한한다.
반복적인 모델 실행에서 특징 재사용으로
OlmoEarth는 원격 탐사 모델이지 대화형 대규모 언어 모델이 아니다. 이번 공개는 Base 모델에 사전 계산 아카이브와 브라우저 인터페이스를 결합한다. 연간 입력에는 Sentinel-1 레이더와 Sentinel-2·Landsat 다중분광 영상이 들어간다. 모델은 10m 출력 픽셀마다 128개 수치로 된 벡터를 만들며 앞의 64차원만으로도 작은 표현을 사용할 수 있다.
기존의 일반적인 Studio 작업은 특정 작업에 맞춰 모델을 미세 조정한 다음 위성 영상을 처리하는 방식이었다. 공유 임베딩은 특징 추출의 많은 부분을 앞단으로 옮겨 기존 벡터 위에 작은 분류기를 학습할 수 있게 한다. 로컬 실험의 진입 비용은 낮출 수 있지만 벡터가 작물 분류나 변화 평가가 되려면 여전히 라벨 또는 분석 방법이 필요하다.
1년의 관측을 작은 벡터로 압축하는 방식
기술 보고서는 시간·센서를 넘나드는 관측 통합, 추론 비용 제어, 출력 압축이라는 세 문제를 구분한다. 비전 트랜스포머가 토큰을 만들고 Attention Pooler가 학습한 위치 쿼리로 장소별 관측을 모은다. 증류된 선형 투영은 768차원 위치 표현을 128차원으로 줄인다. 학습은 앞의 64차원도 유용한 중첩 접두부로 사용할 수 있게 한다.
출력 해상도는 인코더 패치 크기와 분리된다. 배포 구성은 20m 패치를 인코딩하면서 10m 간격으로 임베딩을 출력할 수 있어, 원본 영상이 더 세밀해졌다고 주장하지 않고도 계산을 줄인다. 모델 카드에는 ViT 백본 1억 2,800만 파라미터, Perceiver 1,430만, 학생 투영 10만이 각각 적혀 있다. 백본 수치만으로 전체 파이프라인 크기를 말할 수는 없다.
평가 우위는 해당 프로토콜 안에서 읽어야
Ai2 발표에 따르면 AlphaEarth Foundations 및 Tessera v2와 비교해 128차원 버전은 27개 평가 중 20개, 64차원 버전은 18개에서 최고 점수를 기록했다. 평가는 여섯 대륙에 걸쳐 있으며 열대 작물을 위한 PLANTEUR 벤치마크도 소개한다. 이 분모는 발표의 평가 집합이지, 서로 다른 데이터셋 27개 모두에서 같은 결과를 얻었다는 뜻이 아니다.
보고서는 분류기 선택, 작업 부분집합, 지역 간 일반화를 살펴본다. 시험에는 연간 임베딩과 배포용 양자화 방식이 사용됐다. Attention Pooler 추가로 성능이 나빠지는 경우, 특히 일부 단일 시점·단일 모달리티 작업도 기록한다. 당사는 이를 유망한 재사용 특징으로 해석하지만, 하나의 구성이 모든 지도 제작 작업에서 이기거나 현지 검증 없이 전이된다는 증거로 보지는 않는다.
연도 범위와 지도 색상도 해석의 일부
출시 시 2023·2024·2025년의 연간 계층은 공개된 범위 내에서 전 세계 규모지만, 2017~2022년은 선택된 국가만 제공하며 확장이 진행 중이다. 아카이브는 육지와 인접 연안 수역을 대상으로 하고 남극은 제외한다. Ai2는 10m 해상도의 완전한 전 지구 기준 연도 하나가 약 150 TB라고 설명한다. 논문은 출처 기록으로 출력 창을 입력 영상과 공개 영상 카탈로그에 연결하는 방법도 다룬다.
Ai2는 Explorer가 계정이나 GPU 설정 없이 연도 전환, Sentinel-2 원영상 확인, 유사 장소 검색, 라벨이 붙은 점으로 작은 분류기 학습, GeoTIFF 내보내기를 제공한다고 말한다. 이 기능들은 여기서 독립 시험하지 않았다. 의사색 표시는 임베딩 변동의 일부를 시각화한 것이며 사실로 확정된 완성 지도가 아니다. 연도 사이 큰 차이는 표현의 변화를 뜻하지만 그것만으로 채굴·식생 회복·변화 원인을 식별하지 못한다. 연간 집계는 실시간 경보도 제공하지 않는다.
낮은 학습 추정비와 전 지구 총비용은 다르다
발표는 H100 8개가 장착된 임대 노드에서 v1.3 Base를 최종 사전학습하는 한 번의 실행 비용을 약 2,720달러로 추정한다. 도표는 539 GPU시간과 2026년 10월 아이오와 클라우드 노드 요금을 쓰며 실험·데이터 준비·저장·엔지니어링은 제외한다. Ai2는 학습 시간이 v1.2의 53%, v1의 18%이고 추정 배출량은 각각 50%, 22%라고 보고한다. 이는 이전 총량 대비 남은 비율이며 그 자체가 감소율은 아니다.
보고서는 별개의 비용도 보여 준다. 전 세계 연간 임베딩 계층 하나를 만드는 데 약 14,000 H100시간이 들며 최종 사전학습의 약 26배라는 추정이다. 실제 추론에는 H100과 A100을 혼용한다. AISubHub 분석으로는 사전 계산이 큰 비용을 하위 사용자 사이에 나누는 것이지 없애는 것은 아니다. 제시된 학습 추정치는 현재 클라우드 상품도, 전 지구 아카이브 재현·저장·제공의 완전한 예산도 아니다.
공개 접근에도 라이선스와 검증 경계가 있다
모델과 관련 아티팩트에는 OlmoEarth Artifact License가 적용된다. 조건에 따라 사용·수정·배포·파생물 권리를 부여하며 출처 표기와 하위 배포에서의 제한 유지 등을 요구한다. 금지 목적에는 군사·방위, 첩보 수집, 인간 감시와 치안 활동, 그리고 채굴·산림 벌채를 포함해 석유·가스·광물 채취를 계획하거나 촉진하는 활동이 들어간다. 이를 무제한 사용으로 설명하거나 MIT·Apache 라이선스로 대체해서는 안 된다.
계약은 데이터셋 내용의 모든 제3자 권리를 자동으로 주는 것도 아니며 아티팩트의 정확성이나 특정 목적 적합성도 보장하지 않는다. 도입을 검토하는 팀은 모델 라이선스, 입력 자료의 권리, 지역·연도별 범위, 의사결정에 필요한 정확성을 나눠 살펴야 한다. 이번 공개는 그 검토를 위한 구성 요소를 제공한다. 발표와 데모는 특정 내보낸 지도가 정확하다는 독립 증거가 아니다.
중요한 이유
AISubHub 분석: 비용이 큰 특징 추출을 공유 아카이브로 옮기면 소규모 팀도 적은 로컬 계산 자원으로 지도 관련 질문을 시험할 수 있다. 의미 있는 비교 대상은 학습비만이 아니라 범위·라벨링·데이터 이동·검증을 포함한 전체 작업 흐름이다.
제한 및 이용 가능성
AISubHub는 발표문, 모델 카드, 아티팩트 라이선스, 기술 보고서를 읽고 발표의 도표와 짧은 내장 데모를 확인했다. 모델·데이터셋 다운로드, Explorer 실행, 벤치마크 재현, 내보내기 시험, 지상 정답 자료와의 지도 검증은 수행하지 않았다. 연결된 외부 사례 보도와 튜토리얼도 독립적으로 읽지 않았다.
출처와 근거
원문 게시일: · 출처 확인일:
추가 자료
출처 확인일:
출처 확인일:
출처 확인일:
AI 보조 편집 기사를 명시한 일차 출처와 대조합니다. 업체 주장은 출처를 밝히며 게재는 추천을 뜻하지 않습니다.