НАСА и IBM обединиха усилията си, за да разработят основен модел с изкуствен интелект за прогнозиране на времето и климата. Те комбинират знанията и уменията си в науката за Земята и AI, за да създадат модел, който според тях трябва да предложи „значителни предимства пред съществуващите технологии“.
Съвременните AI модели като GraphCast и Fourcastnet вече генерират прогнози за времето по-бързо от традиционните метеорологични модели. Наскоро писахме за Възможности на GraphCast в това отношение. IBM обаче отбелязва, че това са само AI емулатори, а не базови модели.
AI емулаторите могат да правят прогнози за времето въз основа на набори от данни за обучение, но нямат друга употреба. Нито пък могат, както казва IBM, да "дешифрират физиката" зад прогнозата за времето.
НАСА и IBM имат няколко цели за техния базов модел. Първо, те се надяват, че в сравнение с настоящите модели, той ще бъде по-достъпен, ще прави заключения по-бързо и ще обхваща повече разнообразни данни. Второ, те се надяват да подобрят точността на прогнозиране за други климатични приложения. Очакваните възможности на модела включват прогнозиране на метеорологични явления, извеждане на информация с висока разделителна способност от данни с ниска разделителна способност и „идентифициране на благоприятни условия за всичко – от турбуленция на самолети до горски пожари“.
Той следва друг основен модел, който НАСА и IBM представиха тази година. По-рано писахме, че тя използва данни от сателитите за геопространствено разузнаване на НАСА и е най-големият геопространствен модел на платформата AI с отворен код Hugging Face, според IBM.
Досега този модел е използван за проследяване и визуализиране на засаждането и отглеждането на дървета в районите на водните кули в Кения. Целта на този проект е да се засадят повече дървета и да се реши проблемът с недостига на вода. Моделът се използва и за анализ на градските топлинни острови в ОАЕ.
Прочетете също: