НАСА и IBM ги здружија силите за да развијат основен модел на вештачка интелигенција за прогнозирање на времето и климата. Тие ги комбинираат своите знаења и вештини во науката за Земјата и вештачката интелигенција за да создадат модел за кој велат дека треба да понуди „значителни предности во однос на постоечките технологии“.
Модерните модели со вештачка интелигенција како GraphCast и Fourcastnet веќе генерираат временски прогнози побрзо од традиционалните временски модели. Неодамна пишувавме за Можности за GraphCast во таа смисла. Сепак, IBM забележува дека ова се само емулатори на вештачка интелигенција, а не базни модели.
Емулаторите за вештачка интелигенција можат да прават временски предвидувања врз основа на збирки податоци за обука, но немаат друга употреба. Ниту, како што вели IBM, можат да ја „дешифрираат физиката“ зад временската прогноза.
НАСА и IBM имаат неколку цели за нивниот основен модел. Прво, тие се надеваат дека во споредба со сегашните модели, тој ќе биде попристапен, побрзо ќе донесува заклучоци и ќе покрие поразновидни податоци. Второ, тие се надеваат дека ќе ја подобрат точноста на предвидувањето за други климатски апликации. Очекуваните способности на моделот вклучуваат прогнозирање на метеоролошки феномени, заклучување информации со висока резолуција од податоци со ниска резолуција и „идентификување поволни услови за сè, од турбуленции на авиони до шумски пожари“.
Тоа следи уште еден основен модел што НАСА и IBM го промовираа оваа година. Претходно пишувавме дека таа користи податоци од сателитите за геопросторна интелигенција на НАСА и е најголемиот геопросторен модел на платформата за вештачка интелигенција со отворен код Hugging Face, според IBM.
Досега, овој модел се користеше за следење и визуелизирање на садење и растење дрвја во областите на водните кули во Кенија. Целта на овој проект е да се засадат повеќе дрвја и да се реши проблемот со недостигот на вода. Моделот се користи и за анализа на урбаните топлински острови во ОАЕ.
Прочитајте исто така: