NASA και IBM δημιουργούν σύστημα μετεωρολογικών και κλιματικών προβλέψεων τεχνητής νοημοσύνης

Μετά τις ανακοινώσεις ερευνητικών ομάδων και εταιρειών ότι η συνεχώς εξελισσόμενη τεχνολογία τεχνητής νοημοσύνης μπορεί να βοηθήσει αποτελεσματικά σε ακριβέστερες μετεωρολογικές προγνώσεις υπάρχει έντονη κινητικότητα και σε αυτόν τον τομέα.
Τελευταία εξέλιξη η είδηση ότι η NASA συνεργάζεται με την IBM για να δημιουργήσουν ένα σύστημα τεχνητής νοημοσύνης που θα κάνει μετεωρολογικές  αλλά και κλιματικές προβλέψεις.

Ήδη κάποια προγράμματα τεχνητής νοημοσύνης όπως το GraphCast και το Fourcastnet παράγουν μετεωρολογικές προβλέψεις πιο γρήγορα από τα παραδοσιακά μετεωρολογικά μοντέλα. Ωστόσο, η IBM σημειώνει ότι πρόκειται για προσομοιώσεις τεχνητής νοημοσύνης και όχι για μετεωρολογικά μοντέλα όπως αυτό που θα αναπτύξει ο αμερικανικός κολοσσός υπολογιστών με την διαστημική υπηρεσία των ΗΠΑ.
Τα συστήματα προσομοίωσης με τεχνολογία τεχνητής νοημοσύνης μπορούν να κάνουν προβλέψεις καιρού με βάση κάποιες ομάδες δεδομένων εκπαίδευσης αλλά δεν έχουν εφαρμογές πέρα ​​από αυτό ούτε μπορούν να κωδικοποιήσουν τη φυσική στον πυρήνα της πρόγνωσης καιρού λέει η IBM.

Η NASA και η IBM έχουν αρκετούς στόχους για το μοντέλο που θέλουν να δημιουργήσουν. Σε σύγκριση με τα τρέχοντα μοντέλα, ελπίζουν ότι θα έχει διευρυμένη προσβασιμότητα, ταχύτερους χρόνους συμπερασμάτων και μεγαλύτερη ποικιλία δεδομένων. Ένας άλλος βασικός στόχος είναι να βελτιωθεί η ακρίβεια των προβλέψεων για άλλες κλιματικές εφαρμογές. Οι αναμενόμενες δυνατότητες του μοντέλου περιλαμβάνουν την πρόβλεψη μετεωρολογικών φαινομένων, την εξαγωγή πληροφοριών υψηλής ανάλυσης με βάση δεδομένα χαμηλής ανάλυσης και τον «προσδιορισμό συνθηκών που ευνοούν τα πάντα, από αναταράξεις αεροπλάνων έως πυρκαγιές».

Αυτό ακολουθεί ένα άλλο θεμελιώδες μοντέλο που ανέπτυξαν η NASA και η IBM τον Μάιο. Αξιοποιεί δεδομένα από δορυφόρους της NASA και είναι το μεγαλύτερο γεωχωρικό μοντέλο στην πλατφόρμα τεχνητής νοημοσύνης ανοιχτού κώδικα Hugging Face, σύμφωνα με την IBM. Μέχρι στιγμής, αυτό το μοντέλο έχει χρησιμοποιηθεί για την παρακολούθηση και την οπτικοποίηση των δραστηριοτήτων φύτευσης και καλλιέργειας δέντρων σε δασικές περιοχές που έχουν την ιδιότητα να συγκρατούν νερό στην Κένυα. Στόχος είναι να φυτευτούν περισσότερα δέντρα και να αντιμετωπιστούν τα προβλήματα λειψυδρίας. Το μοντέλο χρησιμοποιείται επίσης για την ανάλυση του φαινομένου αστικής θερμονησίδας (urban heat island) κατά το οποίο η θερμοκρασία στο κέντρο μιας πόλης είναι μεγαλύτερη απ’ αυτή των προαστίων και της αγροτικής περιοχής που την περιβάλλει.

Naftemporiki.gr