NASA a IBM spojili svoje sily, aby vyvinuli základný model umelej inteligencie na predpovedanie počasia a klímy. Spájajú svoje znalosti a zručnosti v oblasti vedy o Zemi a AI, aby vytvorili model, ktorý by podľa nich mal ponúkať „významné výhody oproti existujúcim technológiám“.
Moderné modely AI ako GraphCast a Fourcastnet už generujú predpovede počasia rýchlejšie ako tradičné modely počasia. Nedávno sme písali o Možnosti GraphCast v tejto súvislosti. IBM však poznamenáva, že ide iba o emulátory AI, nie o základné modely.
Emulátory AI dokážu predpovedať počasie na základe tréningových dát, ale nemajú iné využitie. Rovnako nedokážu, ako hovorí IBM, „dešifrovať fyziku“ za predpovedaním počasia.
NASA a IBM majú pre svoj základný model niekoľko cieľov. Po prvé, dúfajú, že v porovnaní so súčasnými modelmi bude dostupnejší, rýchlejšie vyvodzovať závery a pokrývať rôznorodejšie dáta. Po druhé, dúfajú, že zlepšia presnosť predpovedí pre iné klimatické aplikácie. Očakávané schopnosti modelu zahŕňajú predpovedanie meteorologických javov, odvodzovanie informácií s vysokým rozlíšením z údajov s nízkym rozlíšením a „identifikáciu priaznivých podmienok pre všetko od turbulencií lietadiel až po lesné požiare“.
Nasleduje ďalší základný model, ktorý NASA a IBM predstavili tento rok. Predtým sme písali, že ona používa dáta z geopriestorových spravodajských satelitov NASA a podľa IBM je najväčším geopriestorovým modelom na open source AI platforme Hugging Face.
Doteraz sa tento model používal na sledovanie a vizualizáciu výsadby a pestovania stromov v oblastiach vodárenských veží v Keni. Cieľom tohto projektu je vysadiť viac stromov a vyriešiť problém s nedostatkom vody. Model sa používa aj na analýzu mestských tepelných ostrovov v SAE.
Prečítajte si tiež: