ناسا و آی بی ام در حال ساخت یک مدل هوش مصنوعی برای کاربردهای آب و هوا و آ هستند که دانش و مهارت های خود را در زمینه علوم زمین و هوش مصنوعی ترکیب می کند. آنها می گویند که مدل پایه باید “مزایای قابل توجهی نسبت به فناوری موجود” ارائه دهد. مدل‌های فعلی هوش مصنوعی، مانند GraphCast و FourCastNet، پیش‌بینی‌های آب و هوا را سریع‌تر از مدل‌های هواشناسی سنتی ایجاد می‌کنند. همانطور که IBM اشاره می کند، اینها شبیه سازهای هوش مصنوعی هستند تا مدل های پایه. شبیه سازهای هوش مصنوعی می توانند پیش بینی آب و هوا را بر اساس مجموعه ای از داده های آموزشی انجام دهند، اما آنها برنامه هایی فراتر از آن ندارند.
IBM می‌گوید که آنها همچنین نمی‌توانند فیزیک را در هسته پیش‌بینی آب و هوا رمزگذاری کنند.
ناسا و آی‌بی‌ام چندین هدف برای مدل بنیادی خود دارند. آنها امیدوارند که، در مقایسه با مدل‌های فعلی، قابلیت دسترسی گسترده‌تر، زمان استنتاج سریع‌تر و تنوع بیشتر داده‌ها را داشته باشد. یک هدف کلیدی دیگر بهبود دقت پیش‌بینی برای سایر اپلیکیشن‌های آب و هوایی است. قابلیت‌های مورد انتظار این مدل شامل پیش‌بینی پدیده‌های هواشناسی، استنباط اطلاعات با وضوح بالا بر اساس داده‌های دارای وضوح پایین و «شناسایی شرایط منجر به رخدادهای مختلف، از تلاطم هواپیما تا آتش‌سوزی جنگل‌ها» است.
پیش از این، در ماه مه، نیز ناسا و IBM یک مدل بنیادی دیگر را ارائه کرده بودند. به گفته IBM، این مدل از داده‌های ماهواره‌های ناسا برای هوش مکانی استفاده می‌کند و این بزرگترین مدل مکانی در پلتفرم هوش مصنوعی منبع‌باز Hugging Face است. تاکنون از این مدل برای ردیابی و مجسمسازی فعالیت‌های کاشت و رشد درخت در مناطق برج آب (مناظر جنگلی که آب را در خود نگه می‌دارند) در کنیا استفاده شده است. هدف آن کاشت درختان بیشتر و رفع مشکلات کمبود آب است. این مدل همچنین در حال استفاده برای تجزیه و تحلیل جزایر گرمایی شهری در امارات متحده عربی است.
