NASA ve IBM, hava durumu ve iklim uygulamaları için bir yapay zeka temel modeli oluşturmak üzere bir araya geldi. “Mevcut teknolojiye göre önemli avantajlar” sunması gerektiğini söyledikleri model için sırasıyla yer bilimi ve yapay zeka alanlarındaki bilgi ve becerilerini birleştiriyorlar. 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 teknolojilerdir. Yapay zeka emülatörleri, eğitim verileri kümelerine dayalı olarak hava durumu tahminleri yapabilir, ancak bunun ötesinde uygulamaları yoktur.
IBM, hava tahminlerinin özündeki fiziği de kodlayamadıklarını söylüyor. NASA ve IBM’in temel modelleri için çeşitli hedefleri var. 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 de yer alıyor. Bu, NASA ve IBM’in Mayıs ayında konuşlandırdığı bir başka temel modeli takip ediyor. IBM’e göre bu model, NASA uydularından gelen verileri jeo-uzamsal zeka için kullanıyor ve açık kaynaklı yapay zeka platformu Hugging Face’teki en büyük jeo-uzamsal model. Şimdiye kadar bu model, Kenya’daki su kulesi alanlarında (suyu tutan orman manzaraları) 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 adalarını analiz etmek için de kullanılıyor.