«TerraMind выходит за рамки стандартной обработки изображений, — отметил Хуан Бернабе-Морено, директор IBM Research в Великобритании. — Модель выявляет скрытые связи между данными, которые ранее требовали ручного сопоставления». Тестирование на платформе ESA PANGEA подтвердило эффективность: в задачах классификации почв, экологического мониторинга и обнаружения изменений система превзошла 12 конкурентов минимум на 8%.

Ключевую роль в успехе сыграла техника Thinking-in-Modalities (TiM), разработанная IBM. Она напоминает метод Chain-of-Thought в языковых моделях, но адаптирована для мультимодальных данных. TiM генерирует синтетические обучающие наборы, дополняющие исходную информацию. «Если модель анализирует водные объекты, она может самостоятельно создать детальные карты почвенного покрова, улучшая точность прогноза», — пояснил соавтор метода Йоханнес Якубик.

Сферы применения TerraMind охватывают как долгосрочные задачи — планирование инфраструктуры, управление биоразнообразием, — так и оперативные сценарии вроде мониторинга пожаров или наводнений. ESA уже анонсировало планы выпустить оптимизированные версии модели для реагирования на стихийные бедствия в ближайшие недели.

«Раньше нам приходилось комбинировать десятки инструментов, — заявила Симонетта Чели, директор программ наблюдения Земли ESA. — Теперь TerraMind объединяет данные спутников, климатические модели и геопространственный контекст, предлагая учёным и бизнесу единый источник истины». Сейчас команды работают над интеграцией TerraMind в глобальные климатические инициативы, чтобы превратить сырые исходные данные в инсайты для шагов по защите планеты.