NASA та IBM об’єднали зусилля, щоб розробити базову модель штучного інтелекту для прогнозування погоди та клімату. Вони об’єднують свої знання та навички в галузі науки про Землю та ШІ для створення моделі, яка, за їхніми словами, повинна запропонувати “значні переваги над існуючими технологіями”.
Сучасні моделі ШІ, такі як GraphCast і Fourcastnet, вже генерують прогнози погоди швидше, ніж традиційні метеорологічні моделі. Нещодавно ми писали про можливості GraphCast у цьому плані. Однак IBM зазначає, що це лише емулятори ШІ, а не базові моделі.
Емулятори ШІ можуть робити прогнози погоди на основі наборів навчальних даних, але вони не мають іншого застосування. Вони також не можуть, як кажуть в IBM, “розшифрувати фізику”, що лежить в основі прогнозування погоди.
NASA та IBM мають кілька цілей для своєї базової моделі. По-перше, вони сподіваються, що порівняно з нинішніми моделями, вона буде доступнішою, швидше робитиме висновки та охоплюватиме більше різноманітних даних. По-друге, вони сподіваються підвищити точність прогнозування для інших кліматичних застосувань. Очікувані можливості моделі включають прогнозування метеорологічних явищ, виведення інформації з високою роздільною здатністю на основі даних з низькою роздільною здатністю і “визначення умов, сприятливих для всього – від турбулентності літаків до лісових пожеж”.
Це слідує за іншою базовою моделлю, яку NASA та IBM розгорнули цього року. Раніше ми писали, що вона використовує дані з супутників NASA для геопросторової розвідки і є найбільшою геопросторовою моделлю на платформі ШІ з відкритим вихідним кодом Hugging Face, за словами IBM.
Досі ця модель використовувалася для відстеження та візуалізації посадки та вирощування дерев у зонах водонапірних башт в Кенії. Мета цього проєкту – посадити більше дерев і розв’язувати проблему нестачі води. Модель також використовується для аналізу міських теплових островів в ОАЕ.
Читайте також: