By admin
IBM 和 NASA 的研究人員本週發布了一個開源 AI 氣候模型，旨在準確預測天氣模式，同時與傳統的基於物理的模擬相比，消耗更少的運算資源。
作為 IBM 和 NASA 在美國能源部橡樹嶺國家實驗室的幫助下合作開發的一部分，名為 Prithvi WxC 的 23 億參數基礎模型接受了來自 NASA 現代時代回顧性分析的 40 年觀測資料的訓練。版本2 (MERRA-2) 資料集。
儘管模型尺寸很小，但研究人員表示，它仍然能夠使用僅包含原始資料 5% 的隨機樣本來準確產生全球表面溫度。他們也認為該模型特別適合模擬颶風和大氣河流的行為。然而，該模型的真正優勢可能只是其靈活性。
IBM 和 NASA 並不是唯一一家嘗試利用人工智慧模型進行天氣和氣候預測的公司。例如，Google的研究人員詳細介紹了一種透過機器學習增強現有物理模型來提高預測準確性的新方法。與此同時，英偉達一直在努力擴展其 Earth-2 氣候模式的功能。
IBM 和 NASA 的努力與眾不同之處在於，Prithvi WxC 是一個基礎模型，這意味著它可以適應從短期天氣預報到長期氣候預測等任意數量的用例。
「這個領域已經出現了大型人工智慧模型，這些模型專注於固定資料集和單一用例 – 主要是預測。我們設計的天氣和氣候基礎模型超越了這些限制，以便它可以根據各種輸入進行調整IBM 歐洲研究院院長胡安·伯納貝-莫雷諾(Juan Bernabe-Moreno) 在本週的聲明中表示。
為了支持創建基於 Prithvi WxC 的新氣候模型，IBM 和 NASA 在 Hugging Face 上發布了該模型以及一對專為氣候和天氣降尺度以及重力波參數化而設計的微調模型。
如果您不熟悉天氣降尺度，它是指從較大規模的模型中獲取低解析度輸入，例如溫度降水或風速，並使用統計或動態機率來產生更高解析度的預測。另一方面，重力波是一種影響各種大氣過程的現象，包括雲的形成甚至飛機湍流。
全球研究人員的目標是能夠利用這些模型並使其適應自己的特定需求，無論是改善惡劣天氣的預警時間還是改善全球氣候模擬。
「NASA 基礎模型將幫助我們生產一種人們可以使用的工具 [for] 美國宇航局地球科學部主任凱倫·聖傑曼在一份聲明中說：“天氣、季節和氣候預測有助於為如何準備、應對和緩解決策提供信息。”
而且由於 Prithvi WxC 非常小，因此甚至可能不需要那麼多的計算，至少與支援 Copilot 或 Gemini 等人工智慧聊天機器人的大型語言模型相比是如此。根據該論文，該模型是使用相對較小的 64 台 Nvidia A100 集群從頭開始訓練的。
從理論上講，微調模型的要求應該遠低於這個數字，從而使各個氣候中心都可以輕鬆實現這一目標，其中許多中心已經在使用 GPU 分區升級其超級運算叢集。
據 IBM 稱，加拿大政府是最早使用該模型的國家之一，該政府已開始對該模型進行調整，以納入更多的天氣預報案例。特別是，負責該專案的加拿大環境與氣候變遷部 (ECCC) 正在尋求透過將即時雷達資料輸入到模型中，將該模型用於非常短期的降水預報。 ECCC 也正在嘗試縮小尺度，以產生小至千米尺度的預測。