NASA a IBM spojily své síly, aby vyvinuly základní model umělé inteligence pro předpovídání počasí a klimatu. Spojují své znalosti a dovednosti v oblasti vědy o Zemi a umělé inteligence, aby vytvořili model, který by podle nich měl nabízet „významné výhody oproti stávajícím technologiím“.
Moderní modely umělé inteligence jako GraphCast a Fourcastnet již generují předpovědi počasí rychleji než tradiční modely počasí. Nedávno jsme psali o Možnosti GraphCast V tomto ohledu. IBM však poznamenává, že se jedná pouze o emulátory AI, nikoli o základní modely.
Emulátory AI mohou předpovídat počasí na základě tréninkových datových sad, ale nemají žádné jiné využití. Stejně tak nemohou, jak říká IBM, „dešifrovat fyziku“ za předpovědí počasí.
NASA a IBM mají pro svůj základní model několik cílů. Zaprvé doufají, že ve srovnání se současnými modely bude dostupnější, rychleji vyvozuje závěry a pokryje rozmanitější data. Za druhé, doufají, že zlepší přesnost předpovědí pro další klimatické aplikace. Mezi očekávané schopnosti modelu patří předpovídání meteorologických jevů, odvozování informací s vysokým rozlišením z dat s nízkým rozlišením a „identifikace příznivých podmínek pro vše od turbulencí letadel po lesní požáry“.
Navazuje na další základní model, který letos představily NASA a IBM. Dříve jsme psali, že ona používá data ze satelitů geoprostorové inteligence NASA a podle IBM je největším geoprostorovým modelem na open source AI platformě Hugging Face.
Dosud byl tento model používán ke sledování a vizualizaci výsadby a růstu stromů v oblastech vodárenských věží v Keni. Cílem tohoto projektu je vysadit další stromy a vyřešit problém s nedostatkem vody. Model se také používá k analýze městských tepelných ostrovů v SAE.
Přečtěte si také: