NASA i IBM grade AI za vremenske aplikacije
NASA i IBM su se udružili kako bi napravili AI temeljni model za vremenske i klimatske aplikacije. Oni kombinuju svoja znanja i veštine u oblasti nauke o Zemlji i AI, respektivno, za model, za koji kažu da bi trebalo da ponudi „značajne prednosti u odnosu na postojeću tehnologiju“.
Značajna unapređenja u odnosu na postojeće stanje
Trenutni AI modeli kao što su GraphCast i Fourcastnet već generišu vremensku prognozu brže od tradicionalnih meteoroloških modela. Međutim, IBM primećuje da su to AI emulatori, a ne osnovni modeli. Kao što ime govori, osnovni modeli su osnovne tehnologije koje napajaju generativne AI aplikacije. AI emulatori mogu da predviđaju vremenske prilike na osnovu skupova podataka o obuci, ali nemaju druge aplikacije. Niti mogu da kodiraju fiziku u srži vremenske prognoze, kaže IBM.
NASA i IBM imaju nekoliko ciljeva za svoj osnovni model. U poređenju sa trenutnim modelima, nadaju se da će imati proširenu dostupnost, brže vreme zaključivanja i veću raznolikost podataka. Drugi ključni cilj je poboljšanje tačnosti prognoze za druge klimatske aplikacije. Očekivane mogućnosti modela uključuju predviđanje meteoroloških fenomena, zaključivanje informacija visoke rezolucije na osnovu podataka niske rezolucije i „identifikovanje uslova koji pogoduju svemu, od turbulencije u avionu do požara u prirodi“.
Ovo sledi još jedan osnovni model koji su NASA i IBM primenili u maju. On koristi podatke sa NASA satelita za geoprostornu inteligenciju, i to je najveći geoprostorni model na otvorenoj AI platformi Hugging Face, prema IBM-u. Do sada je ovaj model korišćen za praćenje i vizuelizaciju aktivnosti sadnje drveća i uzgoja u oblastima vodotornja (šumski pejzaži koji zadržavaju vodu) u Keniji. Cilj je da se posadi više drveća i da se pozabavimo problemima nestašice vode. Model se takođe koristi za analizu urbanih toplotnih ostrva u Ujedinjenim Arapskim Emiratima.
Izvor: Engadget
