ناسا و آیبیام برای توسعه یک مدل پایه هوش مصنوعی برای پیشبینی آب و هوا و آبوهوا متحد شدهاند. آنها در حال ترکیب دانش و مهارت های خود در علوم زمین و هوش مصنوعی هستند تا مدلی ایجاد کنند که به گفته آنها باید "مزایای قابل توجهی نسبت به فناوری های موجود" ارائه دهد.
مدلهای مدرن هوش مصنوعی مانند GraphCast و Fourcastnet پیشبینی آب و هوا را سریعتر از مدلهای آبوهوای سنتی تولید میکنند. اخیراً در مورد آن نوشتیم قابلیت های GraphCast در این رابطه. با این حال، IBM اشاره می کند که اینها فقط شبیه سازهای هوش مصنوعی هستند، نه مدل های پایه.
شبیه سازهای هوش مصنوعی می توانند پیش بینی آب و هوا را بر اساس مجموعه داده های آموزشی انجام دهند، اما هیچ کاربرد دیگری ندارند. همانطور که IBM می گوید، آنها نمی توانند فیزیک را در پشت پیش بینی آب و هوا رمزگشایی کنند.
ناسا و IBM چندین هدف برای مدل پایه خود دارند. اول، آنها امیدوارند که در مقایسه با مدلهای فعلی، در دسترستر باشد، سریعتر نتیجهگیری کند و دادههای متنوعتری را پوشش دهد. دوم، آنها امیدوارند که دقت پیشبینی را برای سایر کاربردهای آب و هوایی بهبود بخشند. قابلیتهای مورد انتظار این مدل شامل پیشبینی پدیدههای هواشناسی، استنباط اطلاعات با وضوح بالا از دادههای با وضوح پایین و «شناسایی شرایط مطلوب برای همه چیز از آشفتگی هواپیما تا آتشسوزیهای جنگلی» است.
این مدل پایه دیگری را دنبال می کند که ناسا و IBM امسال ارائه کردند. قبلا نوشتیم که او از داده ها استفاده می کند به گفته IBM، از ماهوارههای اطلاعات مکانی ناسا و بزرگترین مدل جغرافیایی در پلتفرم هوش مصنوعی منبع باز Hugging Face است.
تاکنون از این مدل برای ردیابی و تجسم کاشت و رشد درختان در مناطق برج آب در کنیا استفاده شده است. هدف از این طرح کاشت درختان بیشتر و رفع مشکل کم آبی است. این مدل همچنین برای تجزیه و تحلیل جزایر گرمایی شهری در امارات استفاده می شود.
همچنین بخوانید: