و برای ساخت یک مدل پایه هوش مصنوعی برای کاربردهای آب و هوا و آب و هوا با یکدیگر همکاری کرده اند. آنها دانش و مهارت های مربوطه خود را به ترتیب در زمینه علوم زمین و هوش مصنوعی برای این مدل ترکیب می کنند که به گفته آنها باید “مزایای قابل توجهی نسبت به فناوری موجود” ارائه دهد.
مدل‌های فعلی هوش مصنوعی مانند GraphCast و Fourcastnet در حال حاضر وجود دارند . با این حال، IBM خاطرنشان می کند که اینها شبیه سازهای هوش مصنوعی هستند تا مدل های پایه. همانطور که از نام آن پیداست، مدل‌های پایه، فناوری‌های پایه‌ای هستند که به برنامه‌های هوش مصنوعی مولد نیرو می‌دهند. شبیه سازهای هوش مصنوعی می توانند پیش بینی آب و هوا را بر اساس مجموعه داده های آموزشی انجام دهند، اما برنامه های کاربردی فراتر از آن ندارند. IBM می گوید، آنها همچنین نمی توانند فیزیک را در هسته پیش بینی آب و هوا رمزگذاری کنند.
ناسا و آی بی ام چندین هدف برای مدل بنیادی خود دارند. در مقایسه با مدل‌های فعلی، آنها امیدوارند که قابلیت دسترسی گسترده‌تر، زمان‌های استنتاج سریع‌تر و تنوع بیشتر داده‌ها را داشته باشد. هدف کلیدی دیگر بهبود دقت پیش‌بینی برای سایر کاربردهای آب و هوایی است. قابلیت های مورد انتظار مدل شامل پیش بینی پدیده های هواشناسی، استنباط اطلاعات با وضوح بالا بر اساس داده های کم رزولوشن و "شناسایی شرایط مساعد برای همه چیز، از تلاطم هواپیما تا آتش سوزی."
این مدل پایه دیگری را دنبال می کند که ناسا و آی بی ام هستند . به گفته IBM، این مدل از داده‌های ماهواره‌های ناسا برای هوش مکانی استفاده می‌کند و این بزرگترین مدل جغرافیایی در پلتفرم منبع باز هوش مصنوعی Hugging Face است. تاکنون از این مدل برای ردیابی و تجسم فعالیت‌های کاشت و رشد درخت در مناطق برج آب (مناظر جنگلی که آب را در خود نگه می‌دارند) در کنیا استفاده شده است. هدف کاشت درختان بیشتر و رفع مشکلات کمبود آب است. این مدل همچنین برای تجزیه و تحلیل جزایر گرمایی شهری در امارات متحده عربی استفاده می شود.
این مقاله در ابتدا در Engadget در https://www.engadget.com/nasa-and-ibm-are-building-an-ai-for-weather-and-climate-applications-050141545.html?src=rss منتشر شد.
منبع: https://www.engadget.com/nasa-and-ibm-are-building-an-ai-for-weather-and-climate-applications-050141545.html?src=rss