2
స్టీఫెన్ నెల్లిస్ ద్వారా SAN FRANCISCO, జనవరి 26 (రాయిటర్స్) – మెరుగైన వాతావరణ సూచనలను, వేగంగా రూపొందించడంలో సహాయపడే లక్ష్యంతో Nvidia సోమవారం మూడు ఓపెన్ సోర్స్ కృత్రిమ మేధస్సు నమూనాలను విడుదల చేసింది. హ్యూస్టన్లో జరిగిన అమెరికన్ మెటీరోలాజికల్ సొసైటీ వార్షిక సమావేశంలో AI చిప్ సంస్థ ప్రకటించిన మోడల్లు, చాట్బాట్ల నుండి సెల్ఫ్ డ్రైవింగ్ వాహనాల వరకు ప్రతిదానికీ దాని చిప్ల ద్వారా ఆధారితమైన ఓపెన్ సోర్స్ సాఫ్ట్వేర్ను అందించడానికి కంపెనీ విస్తృత పుష్లో భాగంగా ఉన్నాయి. వాతావరణ సూచన విషయంలో, Nvidia ఖరీదైన మరియు ఎక్కువ సమయం తీసుకునే సంప్రదాయ వాతావరణ అనుకరణలను AI- ఆధారిత సంస్కరణలతో భర్తీ చేయాలని లక్ష్యంగా పెట్టుకుంది, పాత పద్ధతుల యొక్క ఖచ్చితత్వానికి పోటీగా లేదా మించగలదని కంపెనీ తెలిపింది. AI మోడల్లు, ఒకసారి శిక్షణ పొందిన తర్వాత కూడా వేగంగా ఉంటాయి మరియు అమలు చేయడానికి తక్కువ ఖర్చు అవుతుంది. కొత్త వాతావరణ నమూనాల ఆచరణాత్మక వ్యాపార అనువర్తనాల్లో ఒకటి బీమా పరిశ్రమలో ఉంటుందని ఎన్విడియాకు వాతావరణ అనుకరణ పరిశోధన డైరెక్టర్ మరియు కాలిఫోర్నియా విశ్వవిద్యాలయంలో ఎర్త్ సిస్టమ్ సైన్సెస్ ప్రొఫెసర్ మైక్ ప్రిట్చర్డ్ చెప్పారు. భీమా కంపెనీలు తరచుగా భారీ వరదలు లేదా తుఫానుల వంటి విపరీతమైన సంఘటనలను అర్థం చేసుకోవాలని కోరుకుంటాయి. కానీ అటువంటి సంఘటనలను వివరంగా అంచనా వేయడం చారిత్రాత్మకంగా ఖరీదైనది, ఎందుకంటే వాతావరణ సూచన “సమితులు” లేదా వ్యక్తిగత “సభ్యుల” అంచనాల సమూహాలలో వాతావరణ సంఘటన ఇచ్చిన ప్రారంభ స్థానం నుండి ఎలా ఆడవచ్చు అనే దాని గురించి నిర్వహిస్తారు. సాధ్యమయ్యే అవుట్లియర్ ఈవెంట్లను కనుగొనడానికి, ఎంసెట్లు తప్పనిసరిగా చాలా మంది సభ్యులను కలిగి ఉండాలి, అయితే ఒక నిర్దిష్ట ఆస్తి వరదలు ముంచెత్తుతుందా లేదా అని చూడటానికి ప్రతి ఒక్కరినీ ఖచ్చితమైన వివరాలతో లెక్కించడం నెమ్మదిగా ఉంటుంది. “టెన్షన్ పోయింది, ఎందుకంటే ఒకసారి శిక్షణ పొందితే, AI 1,000 రెట్లు వేగంగా ఉంటుంది” అని ప్రిచర్డ్ ఒక ఇంటర్వ్యూలో చెప్పారు. “కాబట్టి మీరు భారీ బృందాలను నిర్వహించేందుకు స్వేచ్ఛగా ఉన్నారు. మరియు బీమా కంపెనీలు 10,000 మంది సభ్యుల బృందాల వలె నడుస్తున్నాయి.” సోమవారం ప్రవేశపెట్టిన ఎన్విడియా యొక్క “ఎర్త్-2” మోడల్లలో 15 రోజుల వాతావరణ సూచనలను రూపొందించడం లక్ష్యంగా ఉంది, యుఎస్లో తీవ్రమైన తుఫానుల కోసం గరిష్టంగా ఆరు గంటల వరకు అంచనా వేయడంలో ప్రత్యేకత కలిగి ఉంది మరియు వివిధ వాతావరణ సెన్సార్ల నుండి భిన్నమైన డేటా స్ట్రీమ్లను ఏకీకృతం చేయడం ద్వారా వాటిని మరింత ఉపయోగకరమైన ప్రారంభ స్థానంగా మార్చడానికి ఉపయోగించవచ్చు. (శాన్ ఫ్రాన్సిస్కోలో స్టీఫెన్ నెల్లిస్ రిపోర్టింగ్; ఏతాన్ స్మిత్ ఎడిటింగ్)
(వ్యాసం సిండికేట్ ఫీడ్ ద్వారా ప్రచురించబడింది. హెడ్లైన్ మినహా, కంటెంట్ పదజాలంగా ప్రచురించబడింది. బాధ్యత అసలు ప్రచురణకర్తపై ఉంటుంది.)
