NASA og IBM har gått sammen om å utvikle en grunnleggende kunstig intelligensmodell for å varsle vær og klima. De kombinerer sine kunnskaper og ferdigheter innen jordvitenskap og kunstig intelligens for å lage en modell som de sier skal gi «betydelige fordeler i forhold til eksisterende teknologier».
Moderne AI-modeller som GraphCast og Fourcastnet genererer allerede værmeldinger raskere enn tradisjonelle værmodeller. Vi skrev nylig om GraphCast-funksjoner i denne forbindelse. Imidlertid bemerker IBM at dette kun er AI-emulatorer, ikke basismodeller.
AI-emulatorer kan lage værmeldinger basert på treningsdatasett, men de har ingen annen bruk. De kan heller ikke, som IBM sier, «dechiffrere fysikken» bak værvarsling.
NASA og IBM har flere mål for sin basismodell. For det første håper de at den, sammenlignet med dagens modeller, vil være mer tilgjengelig, trekke konklusjoner raskere og dekke mer mangfoldige data. For det andre håper de å forbedre prognosenøyaktigheten for andre klimaapplikasjoner. Modellens forventede evner inkluderer å varsle meteorologiske fenomener, utlede høyoppløselig informasjon fra data med lav oppløsning og «identifisere gunstige forhold for alt fra flyturbulens til skogbranner».
Den følger en annen grunnleggende modell som NASA og IBM rullet ut i år. Tidligere skrev vi at hun bruker data fra NASAs geospatiale etterretningssatellitter og er den største geospatiale modellen på Hugging Face open source AI-plattformen, ifølge IBM.
Så langt har denne modellen blitt brukt til å spore og visualisere treplanting og vekst i vanntårnsområder i Kenya. Målet med dette prosjektet er å plante flere trær og løse problemet med vannmangel. Modellen brukes også til å analysere urbane varmeøyer i UAE.
Les også: