تعاونت وكالة ناسا وشركة IBM لبناء نموذج أساسي للذكاء الاصطناعي لتطبيقات الطقس والمناخ. إنهم يجمعون بين معارفهم ومهاراتهم في مجالات علوم الأرض والذكاء الاصطناعي، على التوالي، من أجل النموذج، الذي يقولون إنه ينبغي أن يقدم “مزايا كبيرة مقارنة بالتكنولوجيا الحالية”.
تعمل نماذج الذكاء الاصطناعي الحالية، مثل GraphCast وFourcastnet، على توليد توقعات الطقس بسرعة أكبر من نماذج الأرصاد الجوية التقليدية. ومع ذلك، تشير شركة IBM إلى أن هذه هي محاكيات الذكاء الاصطناعي وليست نماذج أساسية.
كما يوحي الاسم، فإن النماذج الأساسية هي التقنيات الأساسية التي تدعم تطبيقات الذكاء الاصطناعي التوليدية. يمكن لمحاكيات الذكاء الاصطناعي إجراء تنبؤات بالطقس بناءً على مجموعات من بيانات التدريب، لكن ليس لديهم تطبيقات أبعد من ذلك. وتقول آي بي إم إنها لا تستطيع أيضًا تشفير الفيزياء التي تشكل جوهر التنبؤ بالطقس.
ناسا وآي بي إم لديهما عدة أهداف لنموذجهما التأسيسي. ومقارنة بالنماذج الحالية، فإنهم يأملون في أن يكون لديها إمكانية وصول موسعة، وأوقات استدلال أسرع، وتنوع أكبر في البيانات. الهدف الرئيسي الآخر هو تحسين دقة التنبؤ للتطبيقات المناخية الأخرى. تشمل القدرات المتوقعة للنموذج التنبؤ بظواهر الأرصاد الجوية، واستنتاج معلومات عالية الدقة بناءً على بيانات منخفضة الدقة و”تحديد الظروف المؤدية إلى كل شيء بدءًا من اضطرابات الطائرات وحتى حرائق الغابات”.
ويأتي هذا بعد نموذج تأسيسي آخر نشرته وكالة ناسا وشركة IBM في شهر مايو. إنه يسخر البيانات من أقمار ناسا الصناعية للذكاء الجغرافي المكاني، وهو أكبر نموذج جغرافي مكاني على منصة الذكاء الاصطناعي مفتوحة المصدر Hugging Face، وفقًا لشركة IBM. حتى الآن، تم استخدام هذا النموذج لتتبع وتصور أنشطة زراعة الأشجار وزراعتها في مناطق أبراج المياه (المناظر الطبيعية للغابات التي تحتفظ بالمياه) في كينيا. والهدف هو زراعة المزيد من الأشجار ومعالجة مشاكل ندرة المياه. ويتم استخدام النموذج أيضًا لتحليل الجزر الحرارية الحضرية في دولة الإمارات العربية المتحدة.