NASA ve IBM’den ortak yapay zeka
GraphCast ve Fourcastnet gibi mevcut yapay zeka modelleri halihazırda geleneksel meteorolojik modellerden daha hızlı hava durumu tahminleri üretiyor. Ancak IBM, bunların temel modellerden ziyade yapay zeka emülatörleri olduğunu belirtiyor. Adından da anlaşılacağı gibi, temel modeller, üretken yapay zeka uygulamalarına güç veren temel teknolojileri oluşturuyor. Yapay zeka emülatörleri, eğitim verileri setlerine dayalı olarak hava durumu tahminleri yapabilse de bunun ötesinde bir işlevleri bulunmuyor. IBM, hava tahminlerinin merkezindeki fiziği de kodlayamadıklarını söylüyor.
Bu bağlamda NASA ve IBM birbirleri için biçilmiş kaftan haline geliyor. İki kurum da mevcut modellerle karşılaştırıldığında, genişletilmiş erişilebilirliğe, daha hızlı çıkarım sürelerine ve daha fazla veri çeşitliliğine sahip olmasını umuyorlar. Bir başka önemli amaç da diğer iklim uygulamaları için tahmin doğruluğunu artırmak. Modelin beklenen yetenekleri arasında meteorolojik olayların tahmin edilmesi, düşük çözünürlüklü verilere dayanarak yüksek çözünürlüklü bilgilerin çıkarılması ve “uçak türbülansından orman yangınlarına kadar her şeye elverişli koşulların belirlenmesi” yer alıyor.
Esasında yılın ilk yarısında NASA ve IBM, başka bir temel modeli hizmete almıştı. IBM’e göre bu model, NASA uydularından gelen verileri jeo-uzamsal zeka için kullanıyor. imdiye kadar bu model, Kenya’daki su kulesi alanlarında (suyu tutan orman alanları) ağaç dikme ve yetiştirme faaliyetlerini izlemek ve görselleştirmek için kullanıldı. Amaç daha fazla ağaç dikmek ve su kıtlığı sorunlarıyla mücadele etmek. Model ayrıca Birleşik Arap Emirlikleri’ndeki kentsel ısı birikimlerini analiz etmek için de kullanılıyor.