美国航空航天局 和 IBM 联手开发了用于预测天气和气候的基本人工智能模型。 他们正在将地球科学和人工智能方面的知识和技能结合起来，创建一个模型，他们认为该模型应该提供“比现有技术显着的优势”。
GraphCast 和 Fourcastnet 等现代人工智能模型生成天气预报的速度已经比传统天气模型更快。 我们最近写了关于 GraphCast 功能 在这方面。 然而，IBM 指出，这些只是人工智能模拟器，而不是基础模型。
AI模拟器可以根据训练数据集进行天气预报，但它们没有其他用途。 正如 IBM 所说，他们也无法“破译天气预报背后的物理原理”。
美国航空航天局 和 IBM 的基本模型有几个目标。 首先，他们希望与现有模型相比，它更易于访问、更快得出结论并涵盖更多样化的数据。 其次，他们希望提高其他气候应用的预测准确性。 该模型的预期功能包括预测气象现象、从低分辨率数据推断高分辨率信息，以及“识别从飞机湍流到野火等各种情况的有利条件”。
它遵循 NASA 和 IBM 今年推出的另一个基本模型。 早些时候我们写过她 使用数据 据 IBM 称，该模型来自 NASA 的地理空间情报卫星，是 Hugging Face 开源人工智能平台上最大的地理空间模型。
到目前为止，该模型已用于跟踪和可视化肯尼亚水塔区域的树木种植和生长情况。 该项目的目标是种植更多树木并解决缺水问题。 该模型还用于分析阿联酋的城市热岛。
另请阅读：