Trung Quốc ra mắt mô hình AI đột phá trong khoa học địa lý

Ngày 19/9, các nhà khoa học Trung Quốc vừa giới thiệu một mô hình ngôn ngữ lớn đa phương thức (LLM) chuyên về khoa học địa lý, đánh dấu một bước tiến quan trọng trong lĩnh vực Trí tuệ Nhân tạo (AI).

Mô hình này tích hợp lĩnh vực địa lý với AI, có khả năng trả lời các câu hỏi chuyên sâu về địa lý, phân tích dữ liệu địa lý và thậm chí vẽ bản đồ chuyên đề.

Được đặt tên là Sigma Geography, mô hình này do nhóm nhà nghiên cứu tại Viện Khoa học Địa lý và Nghiên cứu Tài nguyên Thiên nhiên (IGSNRR), Viện Nghiên cứu Cao nguyên Tây Tạng và Viện Tự động hóa – tất cả đều trực thuộc Viện Hàn lâm Khoa học Trung Quốc, cùng các tổ chức khác phối hợp phát triển.

Theo Phó Giám đốc IGSNRR Su Fenzhen, mô hình Sigma Geography có khả năng trả lời các câu hỏi chuyên môn về địa lý, phân tích các bài viết liên quan, thực hiện truy vấn và phân tích chuyên sâu dữ liệu địa lý và vẽ bản đồ chuyên đề.

So với các LLM nói chung, Sigma Geography có khả năng hiểu sâu về ngôn ngữ và kiến thức chuyên môn trong lĩnh vực địa lý. Điều này giúp mô hình có thể xử lý các yêu cầu phức tạp và cung cấp những thông tin chính xác, chi tiết.

Ngoài việc trả lời các câu hỏi về địa lý, Sigma Geography còn có khả năng kết nối các câu trả lời dạng văn bản với hình ảnh phong cảnh địa lý, bản đồ chuyên đề hoặc biểu đồ. Điều này giúp người dùng hiểu rõ hơn về nội dung câu trả lời một cách trực quan và sinh động hơn.

Ngoài ra, chức năng trợ lý nghiên cứu do nhóm phát triển dựa trên Sigma Geography có thể thực hiện các quy trình như hiểu khái niệm, thu thập dữ liệu, phân tích thông tin và lập bản đồ theo hướng dẫn của người dùng, từ đó tạo ra các biểu đồ địa lý chuyên nghiệp theo yêu cầu.

Sự ra đời của Sigma Geography đánh dấu một bước tiến quan trọng trong việc ứng dụng AI vào lĩnh vực khoa học địa lý.

Theo nhóm tác giả, mô hình này có thể giúp mở rộng hiểu biết của công chúng về khoa học địa lý và hỗ trợ nghiên cứu học thuật phục vụ cho những khám phá khoa học địa lý lớn hơn.

Nhóm nghiên cứu đang tiếp tục phát triển mô hình để tăng cường khả năng hiểu và xử lý thông tin từ các loại dữ liệu khác nhau. Mục tiêu cuối cùng là xây dựng một nền tảng hợp tác, cho phép các nhà khoa học trên toàn thế giới chia sẻ dữ liệu, mô hình và ý tưởng nghiên cứu./.