NASA 和 IBM 的未來人工智慧希望利用美國航太局每年產生的 PB 級數據。這是一個真正的寶藏，可以幫助預防與氣候變遷有關的某些災難，還可以為氣候學研究人員創建一種 ChatGPT。
如果像 ChatGPT 和 Dall-E 這樣的人工智慧模型有望“改變世界”，那麼其他二元智慧的任務比生成外星貓的圖像更重要。就像 NASA 和 IBM 共同開發的產品一樣，它們今天圍繞著一個巨大的挑戰正式建立了合作夥伴關係：幫助我們更有效地研究氣候變遷。並嘗試尋找合適的答案。方法的核心是兩個寶藏：數據和模型。該數據是美國航太局的數據。美國太空總署馬歇爾太空飛行中心（阿拉巴馬州亨茨維爾）的研究員拉胡爾·拉馬錢德蘭 (Rahul Ramachandran) 表示：「NASA 目前管理的容量為 70 PB，我們預測到 2025 年左右將管理約 250 PB」。海量的數據，潛在的豐富資訊…只要我們能夠利用它！
另請閱讀：核太空推進有助於前往火星……甚至更遠的地方！（2023 年 1 月）
這就是你知道（也許不知道）的人工智慧模型非常有趣的地方：所謂的「基礎」模型。如果您玩過 ChatGPT，那麼您就使用過源自 GPT-3 的特定 AI。 IBM 想要開發的正是這種同一類型的高階模式。因為它們是唯一能夠包含如此海量資料的。最重要的是，正如其名稱所示，這些模型可以作為更專業的人工智慧的「基礎」。就像 ChatGPT 生成文字和 Dall-E 圖像一樣，與 NASA 資料共同開發的 IBM 模型將作為科學人工智慧的基礎。特別是，他們將能夠幫助研究人員、活動家和其他緊急服務機構應對氣候變遷。以及他們的後果。
基礎、用途
如果人工智慧訓練模型是抽象的，那麼這些人工智慧的應用就更容易理解。當被問及「你如何向一個對人工智慧零了解的人解釋這個模型可以實現什麼？»，拉胡爾·拉馬錢德蘭立刻用一個具體的例子做出回應。 “想像救援隊正在分析遭受嚴重洪水襲擊的國家的形象。借助經過完美訓練的人工智慧，人工智慧將能夠透過過去和目前的衛星圖像庫非常快速地確定哪些區域受影響最嚴重。並幫助團隊更聰明、更有效率地部署工作」。所有這一切，即使地面通訊被切斷，影像分析也足以盤點局勢。
另請閱讀： 為什麼 NASA 和 ESA 將賭注押在 RISC V 上用於未來的太空晶片（2022 年 9 月）
提到衛星影像並非巧合。最初，IBM 模型將使用來自 Harmonized Landsat Sentinel-2 (HLS) 的資料和影像。利用此類模型的巨大優勢（無需預先標記的資料），IBM 的智慧將被訓練來了解我們的星球。對於（根據新聞稿）“識別自然災害、週期性農業產量和野生動物棲息地等現象的地理足跡的變化」。基本上，成為一種能夠看到和掃描整個地球表面的大大腦，並且能夠支持研究人員解釋某些發展。
地球科學研究人員的 ChatGPT
IBM 和 NASA 將開發的另一種智慧是訓練有素的人工智慧“30 萬篇專門針對地球科學的科學文章」。人工智慧的工作方式有點像 ChatGPT：成為一個易於搜尋的知識體系。此模組部分基於 IBM PrimeQA 的多語言問答系統，旨在硬整合到 NASA 資料系統的核心。最終能夠接受研究人員的質疑。
足以開發工具讓研究人員可以查詢人工智慧並輕鬆找到資訊及其來源。比使用簡單的傳統基於關鍵字的搜尋引擎更快地繼續處理他們的文件。最重要的是，已經具備了只有人工智慧才能實現的知識連結要素。問題顯然是結果的相關性是否能滿足專業受眾的期望。無論如何，濫用語言和其他虛假資訊元素至少具有不存在的優點。工作材料僅限於科學文章。
另請閱讀： 「它沒有什麼革命性的」：法國人工智慧先驅 Yann LeCun 對 ChatGPT 不感興趣（2023 年 1 月）
如果這些項目取得成果，其他措施已經在計劃中，其中「包括使用大氣觀測資料集 MERRA2 建立天氣和氣候預測的基礎模型。 »這個專案出現在先前的專案之後是合乎邏輯的，因為除了大量資料之外，氣候模型的複雜性還需要完全不同量級的額外運算能力。
另請閱讀:IBM 花了 20 年時間來保護我們免受尚不存在的量子威脅（2022 年 7 月）
最後一點，公募愛好者們，與OpenAI等模式許多關鍵技術是封閉的不同，這裡整個知識鍊是開放的。從公共領域的 NASA 資料（圖像、文章等）到將獲得許可的 IBM 模型開源，整個計畫受到美國宇航局「開源科學」倡議的支持。問題是 IBM 和 NASA 是否計劃設計一個所有人都可以使用的「氣候 ChatGPT」！
