NASA i IBM udružili su snage kako bi razvili osnovni model umjetne inteligencije za predviđanje vremena i klime. Oni kombiniraju svoje znanje i vještine u znanosti o Zemlji i umjetnoj inteligenciji kako bi stvorili model za koji kažu da bi trebao ponuditi "značajne prednosti u odnosu na postojeće tehnologije".
Moderni AI modeli kao što su GraphCast i Fourcastnet već generiraju vremenske prognoze brže od tradicionalnih vremenskih modela. Nedavno smo pisali o GraphCast mogućnosti u tom smislu. Međutim, IBM napominje da su to samo AI emulatori, a ne osnovni modeli.
AI emulatori mogu napraviti vremenska predviđanja na temelju skupova podataka za obuku, ali nemaju druge svrhe. Niti mogu, kako IBM kaže, "dešifrirati fiziku" koja stoji iza vremenske prognoze.
NASA i IBM imaju nekoliko ciljeva za svoj osnovni model. Prvo, nadaju se da će, u usporedbi s trenutnim modelima, biti pristupačniji, brže donositi zaključke i pokrivati raznovrsnije podatke. Drugo, nadaju se poboljšanju točnosti predviđanja za druge klimatske primjene. Očekivane mogućnosti modela uključuju predviđanje meteoroloških fenomena, zaključivanje informacija visoke razlučivosti iz podataka niske razlučivosti i "prepoznavanje povoljnih uvjeta za sve, od turbulencije zrakoplova do šumskih požara".
Slijedi još jedan osnovni model koji su NASA i IBM izbacili ove godine. Ranije smo pisali da ona koristi podatke iz NASA-inih geoprostornih obavještajnih satelita i najveći je geoprostorni model na AI platformi otvorenog koda Hugging Face, prema IBM-u.
Do sada se ovaj model koristio za praćenje i vizualizaciju sadnje i uzgoja drveća u područjima vodotornjeva u Keniji. Cilj ovog projekta je zasaditi više stabala i riješiti problem nedostatka vode. Model se također koristi za analizu urbanih toplinskih otoka u UAE.
Pročitajte također: