અને હવામાન અને આબોહવા એપ્લિકેશન માટે AI ફાઉન્ડેશન મોડલ્સ બનાવવા માટે ટીમ બનાવી. તેઓ મોડેલ માટે અનુક્રમે પૃથ્વી વિજ્ઞાન અને AI ક્ષેત્રોમાં તેમના સંબંધિત જ્ઞાન અને કૌશલ્યોને સંયોજિત કરી રહ્યાં છે, જે તેઓ કહે છે કે “હાલની ટેક્નોલોજી પર નોંધપાત્ર લાભો” પ્રદાન કરવા જોઈએ.
GraphQL અને ForecastNet જેવા વર્તમાન AI મોડલ પહેલાથી જ અસ્તિત્વમાં છે. જોકે, IBM કહે છે કે આ ફાઉન્ડેશન મોડલને બદલે AI ઇમ્યુલેટર છે. નામ સૂચવે છે તેમ, ફાઉન્ડેશન મોડલ્સ એ બેઝ ટેક્નોલોજી છે જે AI એપ્લિકેશનને પાવર જનરેટ કરે છે. AI ઇમ્યુલેટર્સ તાલીમ ડેટાના સેટના આધારે હવામાનની આગાહી કરી શકે છે, પરંતુ તેમની પાસે તે સિવાયની એપ્લિકેશન નથી. IBM કહે છે કે તેઓ હવામાનની આગાહીના મૂળમાં ભૌતિકશાસ્ત્રને એન્કોડ કરી શકતા નથી.
NASA અને IBM તેમના મૂળભૂત મોડલ માટે ઘણા ધ્યેયો ધરાવે છે. વર્તમાન મોડલ્સની તુલનામાં, તેઓ અપેક્ષા રાખે છે કે તેની પાસે વ્યાપક પહોંચ, ઝડપી અનુમાન સમય અને વધુ ડેટા વૈવિધ્ય છે. અન્ય મુખ્ય ઉદ્દેશ્ય અન્ય આબોહવા એપ્લિકેશનો માટે આગાહીની ચોકસાઈ સુધારવાનો છે. મોડલની અપેક્ષિત ક્ષમતાઓમાં હવામાન સંબંધી ઘટનાઓની આગાહી કરવી, ઓછા રિઝોલ્યુશન ડેટાના આધારે ઉચ્ચ-રિઝોલ્યુશનની માહિતીનું અનુમાન લગાવવું અને “એરપ્લેનની અશાંતિથી લઈને જંગલની આગ સુધીની દરેક વસ્તુ માટે અનુકૂળ પરિસ્થિતિઓની ઓળખ કરવી.”
તે NASA અને IBM ના અન્ય મૂળભૂત મોડલને અનુસરે છે. તે જીઓસ્પેશિયલ ઇન્ટેલિજન્સ માટે નાસા ઉપગ્રહોના ડેટાનો ઉપયોગ કરે છે, અને IBM અનુસાર, તે ઓપન-સોર્સ AI પ્લેટફોર્મ હગિંગ ફેસ પરનું સૌથી મોટું જિયોસ્પેશિયલ મોડલ છે. અત્યાર સુધી, આ મોડેલનો ઉપયોગ કેન્યામાં વોટર ટાવર વિસ્તારોમાં (જળ-જાળવણી વન લેન્ડસ્કેપ્સ)માં વૃક્ષારોપણ અને વૃદ્ધિની પ્રવૃત્તિઓને ટ્રૅક કરવા અને વિઝ્યુઅલાઈઝ કરવા માટે કરવામાં આવ્યો છે. તેનો ઉદ્દેશ્ય વધુને વધુ વૃક્ષો વાવવા અને પાણીની અછતની સમસ્યાનો સામનો કરવાનો છે. મોડલનો ઉપયોગ સંયુક્ત આરબ અમીરાતમાં શહેરી ગરમી ટાપુઓનું વિશ્લેષણ કરવા માટે પણ કરવામાં આવી રહ્યો છે.
આ લેખ મૂળરૂપે Engadget પર https://www.engadget.com/nasa-and-ibm-are-building-an-ai-for-weather-and-climate-applications-050141545.html?src=rss પર પ્રકાશિત કરવામાં આવ્યો હતો .