هوش مصنوعی عمومی برای کاربردهای اقلیمی و آب‌وهوایی

معرفی مدل Prithvi WxC: هوش مصنوعی عمومی برای کاربردهای اقلیمی و آب‌وهوایی (یک پزشک

«تابناک با تو» – با همکاری بین ناسا و IBM، مدل جدیدی به نام Prithvi WxC عرضه شده که یک مدل هوش مصنوعی عمومی است و قابلیت سفارشی‌سازی برای انواع کاربرد‌های مرتبط با آب‌وهوا و تغییرات اقلیمی را دارد. این مدل متن‌باز است و می‌توان آن را حتی روی یک کامپیوتر رومیزی اجرا کرد.

این مدل نه تنها برای پیش‌بینی ساده آب‌وهوا طراحی شده، بلکه هدف آن پیشبرد پژوهش‌ها در زمینه‌های کاربردی مختلف اقلیمی است. برخلاف مدل‌های پیش‌بینی سنتی که به ابررایانه‌های عظیم نیاز دارند، Prithvi WxC می‌تواند با استفاده از داده‌های تاریخی، پیش‌بینی‌های آب‌وهوایی و تغییرات اقلیمی را انجام دهد و در کاربرد‌های مختلف مورد استفاده قرار گیرد.

مدل‌سازی بر پایه داده‌های تاریخی ناسا

مدل Prithvi WxC با استفاده از ۴۰ سال داده‌های تاریخی آب‌وهوایی از مجموعه داده‌های MERRA-۲ ناسا آموزش داده شده است. این داده‌ها شامل اطلاعاتی از مشاهدات ماهواره‌ای و دیگر منابع مشاهده‌ای زمین است. با وجود این که آموزش مدل هفته‌ها طول کشیده و ده‌ها واحد پردازش گرافیکی (GPU) مصرف شده، این مدل اکنون می‌تواند برای کاربرد‌های متنوع اقلیمی سریعاً تنظیم شود و از روی کامپیوتر‌های شخصی اجرا شود.

کاربرد‌های فوری مدل Prithvi WxC

این مدل قابلیت‌های پیشرفته‌ای برای کاربرد‌های مختلف دارد. به عنوان مثال، می‌توان از آن برای پیش‌بینی دقیق رویداد‌های شدید آب‌وهوایی مانند سیل یا طوفان‌های عظیم استفاده کرد. این مدل همچنین قابلیت بهبود دقت و وضوح شبیه‌سازی‌های جهانی آب‌وهوا را دارد و می‌تواند در زمینه‌های مانند پیش‌بینی میزان بارش یا تشخیص امواج گرانشی (Gravity Waves) که بر الگو‌های جهانی آب‌وهوایی تأثیر می‌گذارند، کمک کند.

پیش‌بینی طوفان‌ها و بهبود مدل‌های اقلیمی

یکی از کاربرد‌های مهم این مدل، پیش‌بینی مسیر طوفان‌هاست. به عنوان مثال، این مدل توانست مسیر طوفان ایدا (Hurricane Ida) که در سال ۲۰۲۱ به لوئیزیانا ضربه زد، با دقت بازسازی کند. این قابلیت در آینده می‌تواند برای پیش‌بینی بهتر رویداد‌های مشابه و تقویت دفاع در برابر طوفان‌های پیش‌رو استفاده شود.

معرفی مدل Prithvi WxC: هوش مصنوعی عمومی برای کاربردهای اقلیمی و آب‌وهوایی (یک پزشک

استفاده از معماری هیبریدی برای تجزیه و تحلیل داده‌ها

این مدل با استفاده از معماری ترکیبی که شامل Vision Transformer و Masked Autoencoder است، قادر است داده‌های فضایی-زمانی را تجزیه و تحلیل کند. این ویژگی به مدل امکان می‌دهد که داده‌های پیچیده آب‌وهوایی و اقلیمی را در مقیاس‌های مختلف بررسی کند، از مقیاس‌های جهانی تا منطقه‌ای، بدون افت دقت.

چشم‌انداز آینده

IBM و ناسا قصد دارند این مدل را با مدل دیگر هوش مصنوعی متن‌باز خود که برای تحلیل داده‌های مشاهده‌ای زمین طراحی شده، ترکیب کنند. این ترکیب می‌تواند در چالش‌های بیشتری مانند پیش‌بینی محصولات کشاورزی و تخمین تأثیرات سیل‌های شدید کمک کند.

منبع: یک پزشک

+

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

advanced-floating-content-close-btn