Технологии искусственного интеллекта все активнее применяются для прогнозирования погоды и своевременного выявления стихийных бедствий. Однако для обучения таких моделей необходимы колоссальные массивы климатической информации и спутниковых снимков Земли.
Ученые из Высшей технической школы Цюриха (Швейцария) перенесли в свою вычислительную инфраструктуру огромный объем открытых данных, собранных Американским космическим агентством.
В течение нескольких последних месяцев специалисты переносили общедоступную информацию из хранилищ NASA в суперкомпьютерный центр. Общий объем скопированных материалов достиг примерно 100 петабайт, что сопоставимо с 20 млн полнометражных фильмов. Эти сведения включают показатели о парниковых газах, облачности, осадках и состоянии ледяных покровов, а в будущем планируется добавить аналогичные наборы данных от Национального управления океанических и атмосферных исследований США.
Традиционные методы метеопрогноза опираются на сложные математические модели, требующие огромных вычислительных мощностей и энергии. Однако новые подходы на основе ИИ позволяют получать надежные прогнозы значительно быстрее и с меньшими затратами ресурсов. Это особенно важно для стран и регионов, где нет доступа к мощным суперкомпьютерам, но при этом сохраняется потребность в точных предсказаниях погоды и заблаговременном предупреждении о наводнениях, штормах или оползнях.
Вся скопированная информация будет не просто храниться, а обрабатываться и подготавливаться для машинного обучения. Исследователи из Швейцарии и других стран мира смогут напрямую использовать эти данные для создания и тренировки новых моделей ИИ. Такой подход превращает центр из простого архива в полноценную исследовательскую платформу, где вычисления и анализ проводятся в одном месте, без необходимости передавать огромные файлы по сети.
Особое внимание уделяется анализу геопространственной информации, получаемой со спутников, дронов и наземных датчиков. Это позволяет выявлять скрытые изменения на поверхности Земли, например постепенное смещение грунта, которое задолго предшествует обвалам или оползням. Раннее обнаружение подобных процессов дает возможность своевременно принять меры и снизить риски для людей и инфраструктуры.
Ранее Наука Mail рассказывала о том, что в России научили нейросеть «слушать» землю для прогноза землетрясений.