NASA in IBM sta združila moči pri razvoju osnovnega modela umetne inteligence za napovedovanje vremena in podnebja. Svoje znanje in veščine na področju znanosti o Zemlji in umetne inteligence združujejo, da bi ustvarili model, za katerega pravijo, da bi moral nuditi "pomembne prednosti pred obstoječimi tehnologijami".
Sodobni modeli AI, kot sta GraphCast in Fourcastnet, že ustvarjajo vremenske napovedi hitreje kot tradicionalni vremenski modeli. Pred kratkim smo pisali o Zmogljivosti GraphCast v zvezi s tem. Vendar IBM ugotavlja, da so to le emulatorji AI, ne osnovni modeli.
Emulatorji umetne inteligence lahko naredijo vremenske napovedi na podlagi nizov podatkov za usposabljanje, vendar nimajo druge uporabe. Prav tako ne morejo, kot pravi IBM, "dešifrirati fizike" za vremensko napovedjo.
NASA in IBM imata več ciljev za svoj osnovni model. Prvič, upajo, da bo v primerjavi s sedanjimi modeli bolj dostopen, hitreje bo sklepal in zajemal več raznolikih podatkov. Drugič, upajo, da bodo izboljšali natančnost napovedi za druge podnebne aplikacije. Pričakovane zmogljivosti modela vključujejo napovedovanje meteoroloških pojavov, sklepanje informacij visoke ločljivosti iz podatkov nizke ločljivosti in "prepoznavanje ugodnih pogojev za vse, od letalskih turbulenc do gozdnih požarov."
Sledi drugemu osnovnemu modelu, ki sta ga NASA in IBM predstavila letos. Prej smo pisali, da je uporablja podatke iz Nasinih geoprostorskih obveščevalnih satelitov in je po IBM-u največji geoprostorski model na odprtokodni platformi umetne inteligence Hugging Face.
Doslej je bil ta model uporabljen za sledenje in vizualizacijo sajenja in gojenja dreves na območjih vodnih stolpov v Keniji. Cilj tega projekta je zasaditi več dreves in rešiti problem pomanjkanja vode. Model se uporablja tudi za analizo mestnih toplotnih otokov v ZAE.
Preberite tudi: