همکاری ناسا و IBM برای ساخت مدل هوش مصنوعی در جهت کاربردهای آب و هوایی
ناسا و IBM برای ساخت یک مدل پایه هوش مصنوعی برای کاربردهای آب و هوا با یکدیگر همکاری کردند. آنها دانش و مهارتهای مربوطه خود را به ترتیب در زمینههای علوم زمین و هوش مصنوعی برای این مدل ترکیب میکنند، 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 سریعتر از مدلهای هواشناسی سنتی پیشبینی آب و هوا را تولید میکنند. 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 ای از داده های آموزشی انجام دهند، اما آنها برنامه هایی 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، زمان استنتاج سریعتر و تنوع بیشتر دادهها را داشته باشد.
هدف کلیدی دیگر بهبود دقت پیشبینی برای سایر کاربردهای آب و هوایی است. قابلیتهای مورد انتظار این مدل شامل پیشبینی پدیده های هواشناسی، استنباط اطلاعات با وضوح بالا بر اساس دادههای کم رزولوشن و “شناسایی شرایط مساعد برای همه چیز از تلاطم هواپیما تا آتشسوزیهای جنگلی” است. این به دنبال مدل پایه دیگری است که ناسا و IBM در ماه مه به کار گرفتند.
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، این مدل برای ردیابی و تجسم فعالیتهای کاشت و رشد درخت در مناطق برج آب (مناظر جنگلی که آب را در خود نگه میدارد) در کنیا استفاده شده است. هدف کاشت درختان بیشتر و رفع مشکلات کم آبی است. این مدل همچنین برای تجزیه و تحلیل جزایر گرمایی شهری در امارات متحده عربی استفاده می شود.