ناسا و IBM برای ساخت یک مدل پایه هوش مصنوعی برای کاربردهای آبوهوایی و اقلیمی با یکدیگر همکاری میکنند.
به گزارش ایتنا و به نقل از انگجت، آنها دانش و مهارتهای مربوطه خود را به ترتیب در زمینههای علوم زمین و هوش مصنوعی برای این مدل، که به گفته آنها قاعدتاٌ «مزایای قابل توجهی نسبت به فناوری موجود» در اختیار قرار خواهد داد، ترکیب میکنند.
مدلهای فعلی هوش مصنوعی مانند GraphCast و Fourcastnet در حال حاضر پیشبینیهای آب و هوا را سریعتر از مدلهای هواشناسی سنتی تولید میکنند. با این حال، IBM خاطرنشان میکند که اینها بیش از آنکه مدلهای بنیادی باشند شبیهسازهای هوش مصنوعی هستند.
مدلهای بنیادی، همانطور که از نام آن پیداست، فناوریهای پایهای هستند که به اپلیکیشنهای هوش مصنوعی مولد نیرو میدهند. شبیهسازهای هوش مصنوعی میتوانند پیشبینی آب و هوا را بر اساس مجموعهای از دادههای آموزشی انجام دهند، اما آنها کاربردهایی فراتر از آن ندارند. IBM میگوید که آنها همچنین نمیتوانند فیزیک را در هسته پیشبینی آب و هوا رمزگذاری کنند.
ناسا و آیبیام چندین هدف برای مدل بنیادی خود دارند. آنها امیدوارند که، در مقایسه با مدلهای فعلی، قابلیت دسترسی گستردهتر، زمان استنتاج سریعتر و تنوع بیشتر دادهها را داشته باشد. یک هدف کلیدی دیگر بهبود دقت پیشبینی برای سایر اپلیکیشنهای آب و هوایی است. قابلیتهای مورد انتظار این مدل شامل پیشبینی پدیدههای هواشناسی، استنباط اطلاعات با وضوح بالا بر اساس دادههای دارای وضوح پایین و «شناسایی شرایط منجر به رخدادهای مختلف، از تلاطم هواپیما تا آتشسوزی جنگلها» است.
پیش از این، در ماه مه، نیز ناسا و IBM یک مدل بنیادی دیگر را ارائه کرده بودند. به گفته IBM، این مدل از دادههای ماهوارههای ناسا برای هوش مکانی استفاده میکند و این بزرگترین مدل مکانی در پلتفرم هوش مصنوعی منبعباز Hugging Face است. تاکنون از این مدل برای ردیابی و مجسمسازی فعالیتهای کاشت و رشد درخت در مناطق برج آب (مناظر جنگلی که آب را در خود نگه میدارند) در کنیا استفاده شده است. هدف آن کاشت درختان بیشتر و رفع مشکلات کمبود آب است. این مدل همچنین در حال استفاده برای تجزیه و تحلیل جزایر گرمایی شهری در امارات متحده عربی است.