Wat als je leerlingen niet alleen leert over klimaatverandering, maar hen laat zien hoe AI actief meehelpt om bossen te beschermen, oogsten te voorspellen en overstromingen te voorkomen?
Met de gratis OlmoEarth, een nieuwe open AI-modelreeks van het Allen Institute for AI (AI2), wordt dat nu mogelijk. Deze modellen zijn speciaal ontwikkeld om satellietbeelden en andere milieudata te analyseren en om te zetten in bruikbare inzichten. En het mooie? De technologie is open source (gratis) en klaar voor gebruik in het onderwijs.
Waarom is dit relevant voor het onderwijs?
Educatie moet aansluiten bij de wereld van morgen. Kunstmatige intelligentie en duurzaamheid zijn twee sleutels van die toekomst. Toch blijven die thema's vaak abstract in het klaslokaal. OlmoEarth slaat de brug tussen theorie en praktijk:
-
Laat leerlingen zien hoe AI ontbossing in het Amazonegebied detecteert
-
Breng discussies over biodiversiteit tot leven met echte data
-
Koppel aardrijkskunde en informatica aan concrete maatschappelijke toepassingen
De koppeling van AI aan aardobservatie maakt onderwerpen als voedselzekerheid, natuurbescherming en klimaatadaptatie tastbaar. Precies wat modern onderwijs nodig heeft.
Wat is OlmoEarth precies?
OlmoEarth is een familie van AI-modellen die zijn getraind op enorme hoeveelheden satellietbeelden, kaarten en tijdreeksen van milieugegevens. Het doel: ruwe aarddata omzetten in bruikbare informatie, bijvoorbeeld over:
-
Ontbossing
-
Gewasgroei
-
Vuurgevaar
-
Ecosysteemveranderingen
-
Maritieme activiteit
De modellen zijn gebouwd op basis van een zogenaamde Vision Transformer. Dat is een type AI-architectuur dat beelden omzet in tokens (informatieblokjes) en patronen leert herkennen in ruimte én tijd.
Ze kunnen omgaan met verschillende datatypen zoals optische beelden, radar, landbedekking en zelfs gegevens van OpenStreetMap. Daardoor zijn de modellen breed inzetbaar en robuust, ook bij onvolledige of rommelige data.
Wat maakt OlmoEarth anders dan andere AI-modellen?
-
Volledig open source
In tegenstelling tot modellen zoals AlphaEarth van Google zijn de modellen én trainingsgegevens van OlmoEarth volledig beschikbaar. -
Schaalbaar
Van kleine modellen voor snelle inferentie tot grote modellen voor complexere taken – scholen kunnen kiezen wat past bij hun capaciteit. -
Multimodaal
OlmoEarth verwerkt verschillende soorten beelden en tijdreeksen tegelijk, wat leidt tot rijkere inzichten. -
Bewezen prestaties
OlmoEarth verslaat modellen van onder meer Meta, IBM/NASA en DeepMind op benchmarks zoals:-
Deforestatie-alarm in de Amazone
-
Gewastype-classificatie in Sub-Sahara Afrika
-
Wildvuur-risicobeoordeling in Noord-Amerika
-
Praktische toepassingen in het onderwijs
1. Data-analyse in aardrijkskundelessen
Laat leerlingen satellietbeelden analyseren van verschillende regio's en seizoenen. Hoe verandert de vegetatie? Wat zie je bij droogte of na bosbranden?
2. Interdisciplinaire projecten
Combineer informatica, biologie en aardrijkskunde in projecten over ecosystemen, landbouw of duurzaamheid. Leerlingen kunnen AI gebruiken om ecosystemen te classificeren of landgebruik te voorspellen.
3. Vaardigheden voor de toekomst
Door met modellen zoals OlmoEarth te werken leren leerlingen:
-
Werken met echte, complexe data
-
Begrijpen hoe AI werkt in de praktijk
-
Kritisch kijken naar technologie en ethiek
Hoe kun je OlmoEarth inzetten op school?
OlmoEarth is beschikbaar via een open platform, inclusief trainingsdata, modellen en voorbeeldprojecten. Daarmee kunnen docenten:
-
Kleine modellen draaien op standaard schoolcomputers
-
Visualisaties gebruiken in lessen
-
Leerlingen laten experimenteren met echte AI-toepassingen
Je hebt geen diepgaande AI-kennis nodig om ermee te starten. De documentatie en open tooling maken het toegankelijk voor het onderwijs.
Wist je dat?
-
OlmoEarth gebruikt tot 10 terabyte aan aardobservatiegegevens, geschaald naar 10 meter per pixel
-
De modellen verwerken tijdreeksen van 12 maanden, inclusief radar- en optische data
-
Het model leert deels zonder labels, door ontbrekende delen van satellietbeelden te voorspellen (self-supervised learning)
-
Organisaties zoals NASA, de African Wildlife Foundation en het International Food Policy Research Institute gebruiken OlmoEarth al
-
OlmoEarth verslaat zelfs grotere, gesloten modellen op veel real-world taken
Bonustip: wil je de beste gratis onderwijsprompts?
Ga dan naar www.leraar.ai/prompts