НАСА және IBM ауа райы мен климатты болжау үшін жасанды интеллекттің негізгі үлгісін әзірлеу үшін күш біріктірді. Олар «қолданыстағы технологиялардан маңызды артықшылықтар» ұсынуы керек модель жасау үшін Жер туралы ғылым мен AI саласындағы білімдері мен дағдыларын біріктіреді.
GraphCast және Fourcastnet сияқты заманауи AI үлгілері ауа райы болжамдарын дәстүрлі ауа райы үлгілеріне қарағанда тезірек жасайды. Жақында жазғанбыз GraphCast мүмкіндіктері бұл жөнінде. Дегенмен, IBM бұл негізгі үлгілер емес, тек AI эмуляторлары екенін атап өтеді.
Жасанды интеллект эмуляторлары жаттығу деректері жинақтары негізінде ауа райы болжамын жасай алады, бірақ олардың басқа мақсаты жоқ. Сондай-ақ олар, IBM айтқандай, ауа-райын болжау артындағы «физиканы шеше алмайды».
НАСА және IBM базалық үлгісі үшін бірнеше мақсаттары бар. Біріншіден, олар қазіргі үлгілермен салыстырғанда ол қолжетімді болады, тезірек қорытынды жасайды және әртүрлі деректерді қамтиды деп үміттенеді. Екіншіден, олар басқа климаттық қолданбалар үшін болжау дәлдігін жақсартуға үміттенеді. Модельдің күтілетін мүмкіндіктеріне метеорологиялық құбылыстарды болжау, ажыратымдылығы төмен деректерден жоғары ажыратымдылықтағы ақпаратты шығару және «ұшақтардың турбуленттілігінен орман өрттеріне дейін барлық жағдай үшін қолайлы жағдайларды анықтау» кіреді.
Бұл NASA мен IBM осы жылы шығарған тағы бір негізгі модельге сәйкес келеді. Бұрын біз оны жазғанбыз деректерді пайдаланады NASA-ның геокеңістіктік барлау спутниктерінен алынған және IBM мәліметтері бойынша Hugging Face ашық бастапқы AI платформасындағы ең үлкен геокеңістіктік модель.
Осы уақытқа дейін бұл модель Кениядағы су мұнараларының аумақтарында ағаш отырғызу мен өсіруді бақылау және визуализациялау үшін қолданылған. Бұл жобаның мақсаты – ағаштарды көбірек отырғызу және су тапшылығы мәселесін шешу. Модель БАӘ-дегі қалалық жылу аралдарын талдау үшін де қолданылады.
Сондай-ақ оқыңыз: