NASA i IBM su udružili snage kako bi razvili osnovni model umjetne inteligencije za predviđanje vremena i klime. Oni kombinuju svoje znanje i veštine u nauci o Zemlji i veštačkoj inteligenciji kako bi stvorili model za koji kažu da bi trebalo da ponudi "značajne prednosti u odnosu na postojeće tehnologije".
Moderni AI modeli kao što su GraphCast i Fourcastnet već generiraju vremensku prognozu brže od tradicionalnih vremenskih modela. Nedavno smo pisali o tome GraphCast mogućnosti u tom pogledu. Međutim, IBM napominje da su ovo samo AI emulatori, a ne osnovni modeli.
AI emulatori mogu da predviđaju vremenske prilike na osnovu skupova podataka za obuku, ali nemaju drugu upotrebu. 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 poređenju sa trenutnim modelima biti pristupačniji, brže donositi zaključke i pokrivati raznovrsnije podatke. Drugo, nadaju se da će poboljšati tačnost prognoze za druge klimatske aplikacije. Očekivane mogućnosti modela uključuju predviđanje meteoroloških fenomena, zaključivanje informacija visoke rezolucije iz podataka niske rezolucije i "prepoznavanje povoljnih uslova za sve, od turbulencija u avionu do požara".
Slijedi još jedan osnovni model koji su NASA i IBM predstavili ove godine. Ranije smo pisali da ona koristi podatke sa NASA-inih satelita za geoprostornu inteligenciju i najveći je geoprostorni model na platformi AI otvorenog koda Hugging Face, prema IBM-u.
Do sada se ovaj model koristio za praćenje i vizualizaciju sadnje i uzgoja drveća u područjima vodotornja u Keniji. Cilj ovog projekta je zasaditi više stabala i riješiti problem nestašice vode. Model se također koristi za analizu urbanih toplotnih ostrva u UAE.
Pročitajte također: