NASA un IBM ir apvienojuši spēkus, lai izstrādātu mākslīgā intelekta pamata modeli laikapstākļu un klimata prognozēšanai. Viņi apvieno savas zināšanas un prasmes Zemes zinātnē un AI, lai izveidotu modeli, kam, viņuprāt, vajadzētu piedāvāt "būtiskas priekšrocības salīdzinājumā ar esošajām tehnoloģijām".
Mūsdienu AI modeļi, piemēram, GraphCast un Fourcastnet, jau ģenerē laika prognozes ātrāk nekā tradicionālie laikapstākļu modeļi. Mēs nesen rakstījām par GraphCast iespējas šajā sakarā. Tomēr IBM atzīmē, ka tie ir tikai AI emulatori, nevis bāzes modeļi.
AI emulatori var prognozēt laikapstākļus, pamatojoties uz apmācību datu kopām, taču tiem nav citas nozīmes. Viņi arī nevar, kā saka IBM, "atšifrēt fiziku" aiz laika prognozēšanas.
NASA un IBM savam bāzes modelim ir vairāki mērķi. Pirmkārt, viņi cer, ka salīdzinājumā ar pašreizējiem modeļiem tas būs pieejamāks, ātrāk tiks izdarīts secinājums un aptvers daudzveidīgākus datus. Otrkārt, viņi cer uzlabot prognozēšanas precizitāti citiem klimata lietojumiem. Modeļa paredzamās iespējas ietver meteoroloģisko parādību prognozēšanu, augstas izšķirtspējas informācijas izsecināšanu no zemas izšķirtspējas datiem un "labvēlīgu apstākļu identificēšanu visam, sākot no gaisa kuģu turbulences līdz meža ugunsgrēkiem".
Tas seko citam pamata modelim, ko NASA un IBM izlaida šogad. Iepriekš rakstījām, ka viņa izmanto datus no NASA ģeotelpiskās izlūkošanas satelītiem un ir lielākais ģeotelpiskais modelis Hugging Face atvērtā pirmkoda AI platformā, norāda IBM.
Līdz šim šis modelis ir izmantots, lai izsekotu un vizualizētu koku stādīšanu un audzēšanu ūdenstorņu zonās Kenijā. Šī projekta mērķis ir iestādīt vairāk koku un atrisināt ūdens trūkuma problēmu. Modelis tiek izmantots arī, lai analizētu pilsētas siltuma salas AAE.
Lasi arī: