NASA ir IBM suvienijo jėgas, kad sukurtų pagrindinį dirbtinio intelekto modelį, skirtą prognozuoti orą ir klimatą. Jie sujungia savo žinias ir įgūdžius žemės mokslo ir dirbtinio intelekto srityse, kad sukurtų modelį, kuris, jų teigimu, turėtų pasiūlyti „didelių pranašumų prieš esamas technologijas“.
Šiuolaikiniai AI modeliai, tokie kaip GraphCast ir Fourcastnet, jau generuoja orų prognozes greičiau nei tradiciniai orų modeliai. Neseniai rašėme apie GraphCast galimybės šiuo atžvilgiu. Tačiau IBM pažymi, kad tai tik AI emuliatoriai, o ne baziniai modeliai.
AI emuliatoriai gali numatyti orų prognozes, remdamiesi treniruočių duomenų rinkiniais, tačiau jie neturi kitos paskirties. Jie taip pat negali, kaip sako IBM, „iššifruoti fizikos“ už orų prognozių.
NASA ir IBM turi keletą savo bazinio modelio tikslų. Pirma, jie tikisi, kad, palyginti su dabartiniais modeliais, jis bus prieinamesnis, greičiau padarys išvadas ir apims įvairesnius duomenis. Antra, jie tikisi pagerinti kitų klimato programų prognozavimo tikslumą. Tikėtinos modelio galimybės apima meteorologinių reiškinių prognozavimą, didelės raiškos informacijos iš mažos raiškos duomenų išvedimą ir „palankių sąlygų nustatymą viskam – nuo orlaivių turbulencijos iki laukinių gaisrų“.
Tai yra kitas pagrindinis modelis, kurį NASA ir IBM pristatė šiais metais. Anksčiau rašėme, kad ji naudoja duomenis iš NASA geoerdvinio žvalgybos palydovų ir, pasak IBM, yra didžiausias geografinis modelis Hugging Face atvirojo kodo AI platformoje.
Iki šiol šis modelis buvo naudojamas stebėti ir vizualizuoti medžių sodinimą ir augimą vandens bokštų zonose Kenijoje. Šio projekto tikslas – pasodinti daugiau medžių ir išspręsti vandens trūkumo problemą. Šis modelis taip pat naudojamas analizuojant miesto šilumos salas JAE.
Taip pat skaitykite: