NASA og IBM er gået sammen om at udvikle en grundlæggende kunstig intelligensmodel til at forudsige vejr og klima. De kombinerer deres viden og færdigheder inden for geovidenskab og kunstig intelligens for at skabe en model, som de siger skulle tilbyde "betydelige fordele i forhold til eksisterende teknologier."
Moderne AI-modeller som GraphCast og Fourcastnet genererer allerede vejrudsigter hurtigere end traditionelle vejrmodeller. Vi skrev for nylig om GraphCast-funktioner i denne forbindelse. IBM bemærker dog, at disse kun er AI-emulatorer, ikke basismodeller.
AI-emulatorer kan lave vejrudsigter baseret på træningsdatasæt, men de har ingen anden brug. De kan heller ikke, som IBM siger, "dechifrere fysikken" bag vejrudsigten.
NASA og IBM har flere mål for deres basismodel. For det første håber de, at den sammenlignet med nuværende modeller vil være mere tilgængelig, drage konklusioner hurtigere og dække mere forskelligartede data. For det andet håber de at forbedre prognosenøjagtigheden for andre klimaapplikationer. Modellens forventede egenskaber omfatter forudsigelse af meteorologiske fænomener, udledning af information i høj opløsning fra data i lav opløsning og "identifikation af gunstige forhold for alt fra flyturbulens til naturbrande."
Den følger en anden grundlæggende model, som NASA og IBM rullede ud i år. Tidligere skrev vi, at hun bruger data fra NASAs geospatiale intelligenssatellitter og er den største geospatiale model på Hugging Face open source AI-platformen, ifølge IBM.
Indtil videre er denne model blevet brugt til at spore og visualisere træplantning og vækst i vandtårnsområder i Kenya. Målet med dette projekt er at plante flere træer og løse problemet med vandmangel. Modellen bruges også til at analysere byvarmeøer i UAE.
Læs også: