นาซา และไอบีเอ็มได้ผนึกกำลังเพื่อพัฒนาโมเดลปัญญาประดิษฐ์ขั้นพื้นฐานสำหรับการพยากรณ์อากาศและสภาพอากาศ พวกเขากำลังรวมความรู้และทักษะในด้านวิทยาศาสตร์โลกและ AI เพื่อสร้างแบบจำลองที่พวกเขากล่าวว่าควรนำเสนอ "ข้อได้เปรียบที่สำคัญเหนือเทคโนโลยีที่มีอยู่"
โมเดล AI สมัยใหม่ เช่น GraphCast และ Fourcastnet สร้างการพยากรณ์อากาศได้เร็วกว่าโมเดลสภาพอากาศแบบเดิมอยู่แล้ว เราเพิ่งเขียนเกี่ยวกับ ความสามารถของ GraphCast ในเรื่องนี้ อย่างไรก็ตาม IBM ตั้งข้อสังเกตว่าสิ่งเหล่านี้เป็นเพียงโปรแกรมจำลอง AI ไม่ใช่โมเดลพื้นฐาน
โปรแกรมจำลอง AI สามารถคาดการณ์สภาพอากาศตามชุดข้อมูลการฝึกได้ แต่ไม่มีประโยชน์อื่นใด และอย่างที่ IBM กล่าวไว้ พวกเขาไม่สามารถ "ถอดรหัสฟิสิกส์" ที่อยู่เบื้องหลังการพยากรณ์อากาศได้
นาซา และ IBM มีเป้าหมายหลายประการสำหรับโมเดลพื้นฐาน ประการแรก พวกเขาหวังว่าเมื่อเทียบกับรุ่นปัจจุบัน จะเข้าถึงได้มากขึ้น สรุปผลได้เร็วขึ้น และครอบคลุมข้อมูลที่หลากหลายมากขึ้น ประการที่สอง พวกเขาหวังว่าจะปรับปรุงความแม่นยำในการพยากรณ์สำหรับการใช้งานด้านสภาพอากาศอื่นๆ ความสามารถที่คาดหวังของแบบจำลองนี้ ได้แก่ การพยากรณ์ปรากฏการณ์ทางอุตุนิยมวิทยา การอนุมานข้อมูลความละเอียดสูงจากข้อมูลความละเอียดต่ำ และ "การระบุสภาวะที่เอื้ออำนวยสำหรับทุกสิ่งตั้งแต่ความวุ่นวายของเครื่องบินไปจนถึงไฟป่า"
มันเป็นไปตามโมเดลพื้นฐานอื่นที่ NASA และ IBM เปิดตัวในปีนี้ ก่อนหน้านี้เราเขียนว่าเธอ ใช้ข้อมูล จากดาวเทียมข่าวกรองเชิงพื้นที่ของ NASA และเป็นแบบจำลองเชิงพื้นที่ที่ใหญ่ที่สุดบนแพลตฟอร์ม AI โอเพ่นซอร์ส Hugging Face ตามข้อมูลของ IBM
จนถึงขณะนี้ แบบจำลองนี้ใช้ในการติดตามและแสดงภาพการปลูกและการปลูกต้นไม้ในพื้นที่อ่างเก็บน้ำในเคนยา เป้าหมายของโครงการนี้คือการปลูกต้นไม้เพิ่มขึ้นและแก้ไขปัญหาการขาดแคลนน้ำ แบบจำลองนี้ยังใช้ในการวิเคราะห์หมู่เกาะความร้อนในเมืองในสหรัฐอาหรับเอมิเรตส์
อ่าน: