据NASA近日发布的，美国宇航局（NASA）与IBM研究院互助开拓了一款基于人工智能和开放科学原则的新型AI地理空间根本模型，该模型利用NASA Harmonized Landsat and Sentinel-2数据（HLS）演习，不仅为科学研究供应更多的数据来源和支撑，还为极度景象的提前预测增加了可能。

NASA首席科学数据官办公室（Office of the Chief Science Data Officer, OCSDO）的数据科学卖力人Manil Maskey描述这个模型称，“根本模型能够理解数据中所呈现的事物，它就像瑞士军刀，可以用于各种不同情形和处理不同事情。
”这种多功能性意味着，一旦创建了根本模型，它就可以在少量数据上进行演习，以实行特定的任务，从而实现强大而高效的办理方案。

到目前为止，联合履行和高等观点团队（Interagency Implementation and Advanced Concept Team, IMPACT）及其互助者已通过对这一地理空间根本模型的微调和运用，展示了其在多个领域的潜力，包括监测森林失火、划定大水区域，以及分类作物和其他地皮利用类型。

由于创建初始根本模型须要海量的数据和强大的打算能力，NASA和IBM之间的互助显得尤为关键。
在这个项目中，NASA供应了数据和科学知识，IBM则供应了打算能力和AI算法优化的专业技能。
这种互助不仅加速了模型的开拓进程，也确保了研究成果能够通过开放科学的原则，让更多的研究职员受益。

Manil Maskey指出，“要构建一个大规模根本模型，我们很早就意识到凭借某个机构单一的努力是不会成功的。
这也是我们向"大众年夜众开放根本模型，从预演习数据、代码、到实践、模型权重、微调演习数据和出版物，都保持透明，使研究职员可以追溯利用某些数据或模型架构的缘故原由。
”

在NASA和IBM研究院地理空间根本模型的成功根本上，双方持续互助，创建一个新的、用于景象和气候研究的类似模型。
这一新项目的合为难刁难象还包括橡树岭国家实验室（Oak Ridge National Laboratory, ORNL）、英伟达（NVIDIA）和几所大学。
这次的紧张数据集是Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2)，一个从1980年到现在的弘大的大气重新剖析数据集。
与地理空间根本模型一样，这个新的景象和气候模型也将采取开放科学的方法开拓，并将在不久的将来向"大众供应。