Mô hình Trí tuệ Nhân tạo mới này có khả năng dự báo thời tiết nhanh hơn các mô hình khí tượng truyền thống.
NASA và IBM cùng nhau xây dựng Trí tuệ Nhân tạo cho dự báo thời tiết và khí hậu. Cả hai đang hợp tác để kết hợp kiến thức và kỹ năng của mình từ lĩnh vực khoa học Trái đất và Trí tuệ Nhân tạo để tạo ra một mô hình mới có thể mang lại lợi ích đáng kể hơn so với công nghệ hiện tại.
Các mô hình Trí tuệ Nhân tạo như GraphCast và Fourcastnet đã tạo ra dự báo thời tiết nhanh hơn các mô hình khí tượng truyền thống. Tuy nhiên, IBM lưu ý rằng đây chỉ là các mô hình giả lập Trí tuệ Nhân tạo, không phải là các mô hình cơ bản. Các mô hình cơ bản là công nghệ hỗ trợ cho các ứng dụng Trí tuệ Nhân tạo tổng hợp. Mô hình giả lập Trí tuệ Nhân tạo có thể dự đoán thời tiết dựa trên dữ liệu huấn luyện, nhưng chúng không có ứng dụng khác ngoài việc này. IBM cũng ghi nhận rằng họ không thể mã hóa được các yếu tố vật lý cơ bản của dự báo thời tiết.
NASA và IBM đặt ra một số mục tiêu cho mô hình nền tảng của họ. Hai công ty hy vọng rằng mô hình này sẽ có khả năng truy cập mở rộng, thời gian suy luận nhanh hơn và đa dạng hóa dữ liệu hơn. Một mục tiêu quan trọng khác là cải thiện độ chính xác của dự báo cho các ứng dụng khí hậu khác. Các khả năng dự kiến của mô hình này bao gồm dự đoán các hiện tượng khí tượng, suy ra thông tin chi tiết dựa trên dữ liệu thô và xác định điều kiện lý tưởng cho mọi thứ, từ việc quản lý giao thông hàng không đến phòng tránh cháy rừng.
Điều này là một phần của một mô hình nền tảng khác mà NASA và IBM đã triển khai từ tháng 5. Theo IBM, nó sử dụng dữ liệu từ các vệ tinh của NASA để thu thập thông tin về địa lý và là một trong những mô hình địa lý lớn nhất trên nền tảng Trí tuệ Nhân tạo nguồn mở Hugging Face. Cho đến nay, mô hình này đã được sử dụng để theo dõi và minh họa hoạt động trồng cây và phát triển cây trong khu vực thấp nước ở Kenya. Mục tiêu của nó là tăng cường việc trồng cây và giải quyết vấn đề hạn hán. Mô hình này cũng được sử dụng để phân tích các đảo nhiệt đô thị ở Các Tiểu vương quốc Ả Rập Thống nhất.