美國航空航天局 和 IBM 聯手開發了用於預測天氣和氣候的基本人工智慧模型。 他們正在將地球科學和人工智慧的知識和技能結合起來,創建一個模型,他們認為該模型應該提供「比現有技術具有顯著優勢」。
GraphCast 和 Fourcastnet 等現代人工智慧模式產生天氣預報的速度已經比傳統天氣模式更快。 我們最近寫了關於 GraphCast 功能 在這方面。 然而,IBM 指出,這些只是人工智慧模擬器,而不是基礎模型。
AI模擬器可以根據訓練資料集進行天氣預報,但它們沒有其他用途。 正如 IBM 所說,他們也無法「破解天氣預報背後的物理原理」。
美國航空航天局 和 IBM 的基本模型有幾個目標。 首先,他們希望與現有模型相比,它更易於存取、更快得出結論並涵蓋更多樣化的數據。 其次,他們希望提高其他氣候應用的預測準確性。 該模型的預期功能包括預測氣象現象、從低解析度數據推斷高解析度訊息,以及「識別從飛機湍流到野火等各種情況的有利條件」。
它遵循 NASA 和 IBM 今年推出的另一個基本模型。 早些時候我們寫過她 使用數據 據 IBM 稱,該模式來自 NASA 的地理空間情報衛星,是 Hugging Face 開源人工智慧平台上最大的地理空間模式。
到目前為止,該模型已用於追蹤和可視化肯亞水塔區域的樹木種植和生長。 該計畫的目標是種植更多樹木並解決缺水問題。 該模型也用於分析阿聯酋的城市熱島。
另請閱讀: