استارتاپ هواشناسی مبتنی بر هوش مصنوعی، پیشبینیهای بهتری نسبت به آژانسهای دولتی ارائه میدهد
یک ابزار جدید پیشبینی آب و هوای مبتنی بر هوش مصنوعی که امروز توسط استارتاپ WindBorne Systems منتشر شده است، پیشبینیهای مکررتر و دقیقتری را در مورد متغیرهای کلیدی نسبت به سیستم پیشرو جهانی که توسط دولتهای اروپایی توسعه یافته، ارائه میدهد. این موفقیت به لطف پیشرفتهایی در نحوه تغذیه خوانشهای حسگرها به مدلهای یادگیری عمیق حاصل شده است.
WindBorne که در سال ۲۰۱۹ توسط گروهی از دانشجویان Stanford تأسیس شد، کار خود را با ساخت یک بالون هواشناسی بهتر آغاز کرد، با این ایده که دادههای هواشناسی بفروشد. اما با ظهور مدلهای یادگیری عمیق پیشبینی آب و هوا در سال ۲۰۲۲، تیم متوجه شد که میتوانند با ساختن مدل مخصوص خود نیز ارزش بیشتری کسب کنند.
امروز شاهد انتشار ششمین نسخه از آن مدل، یعنی WeatherMesh هستیم. این شرکت میگوید این مدل از پیشبینیهای سنتی و مبتنی بر هوش مصنوعی تولید شده توسط مرکز اروپایی پیشبینیهای جوی میانمدت (ECMWF)، که توسط هواشناسان به عنوان ارائهدهنده پیشرو پیشبینی دقیق آب و هوا در نظر گرفته میشود، دقیقتر است.
کای مارشلند، مدیر ارشد محصول WindBorne، میگوید یک راه ساده برای درک آن این است که WeatherMesh-6 «از نظر دقت در پنج روز، به اندازه یک پیشبینی سنتی در روز قبل است»، به ویژه در اندازهگیری دمای سطح.
WeatherMesh-6 هر یک ساعت یک بار پیشبینی تولید میکند، در حالی که مدلهای سنتی هر شش ساعت یک بار این کار را انجام میدهند. وضوح آن اکنون در اروپا و ایالات متحده قارهای، جایی که کیفیت دادهها بالاترین است، به ۳ کیلومتر کاهش یافته است.
پیشبینیهای سنتی آب و هوا توسط مدلهای فیزیکی پیچیده تولید میشوند که برای اجرا به ابرکامپیوترهای گران قیمت نیاز دارند و زمان زیادی میبرند. مدلهای هوش مصنوعی – که توسط استارتاپها و آزمایشگاههای بزرگی مانند Google DeepMind ساخته میشوند – تمایل دارند سریعتر از مدلهای فیزیکی حرکت کنند، اما در حال حاضر وضوح بالایی ندارند و در افقهای زمانی طولانیتر به دقت پیشبینی نمیکنند.
با این حال، هوش مصنوعی آب و هوا به سرعت در حال پیشرفت است و در حال حاضر در آژانسهای دولتی بزرگ در سراسر جهان استفاده میشود. محققان در تلاش هستند تا آن را در سیستمهای مورد استفاده برای جمعآوری دادههای آب و هوا و تولید پیشبینیهای عمومی ادغام کنند.
WindBorne از ترکیب منحصر به فرد خود در ساخت مدل و جمعآوری داده سود میبرد. این شرکت در حال حاضر حدود ۴۰۰ بالون در حال پرواز دارد که در هر زمان مشخص، خوانشهای حسگرها را از ۱۵ سایت در سراسر جهان جمعآوری میکنند. پیشرفتهای مدل فعلی ناشی از بهبودهایی در نحوه تغذیه دادههای جمعآوری شده توسط بالونها به مدلها است.
جان دین، مدیرعامل WindBorne، به TechCrunch گفت: «من شخصاً مدل کسبوکار یک شرکت هواشناسی مبتنی بر هوش مصنوعی را بدون مزیت مجموعه داده، درک نمیکنم.»
برتری ECMWF به مهارتهای این سازمان در «همگامسازی دادهها» نسبت داده میشود – یعنی کار تبدیل خوانشهای پراکنده حسگرها به یک تصویر جامع و قابل خواندن توسط ماشین از جهان. در حال حاضر، مدلهای هوش مصنوعی آب و هوا به مجموعه دادههای تولید شده توسط ECMWF و اداره ملی اقیانوسی و جوی ایالات متحده (NOAA) وابسته هستند.
اما WindBorne و سایر سازمانها در حال کار برای تغذیه مستقیم دادهها به مدلها هستند، و خوان کرئوس-کاستا، رئیس بخش هوش مصنوعی این شرکت، میگوید که دریافت مستقیم داده از بالونهای آنها و سایر منابع، دلیل کلیدی بهبود نسخه جدید WeatherMesh است. یک سال تنظیم و بازطراحی مدل مبتنی بر ترنسفورمر طول کشیده تا این مدل بتواند این پیشبینیها را بدون از دست دادن پایداری ارائه دهد.
دین گفت: «وقتی [همگامسازی دادهها] را شروع کردیم، هنوز به شدت به ECMWF متکی بودیم. من امروز پیشبینی میکنم که اگر شرایط اولیه ECMWF را حذف کنیم، در واقع هنوز عملکرد نسبتاً خوبی خواهیم داشت.»
سال گذشته این شرکت یک لحظه ترسناک را تجربه کرد وقتی یک هواپیمای مسافربری United Airlines با یکی از بالونهای آنها برخورد کرد. در حالی که هواپیما آسیب جزئی دید، هیچ کس صدمه ندید، تا حدودی به این دلیل که WindBorne مقررات ایالات متحده را در مورد اندازه بسته حسگر خود رعایت کرده بود. با این حال، اکنون این شرکت از سیستم نظارت جهانی هوانوردی ADS-B برای دور کردن بالونهای خود از مسیر هواپیماهای عبوری استفاده میکند تا شانس برخورد دیگر را کاهش دهد.
WindBorne که ۲۵ میلیون دلار بودجه سرمایهگذاری خطرپذیر با ارزشگذاری گزارششده ۸۵ میلیون دلاری در سال ۲۰۲۴ جذب کرده است، دادههای بالونی خود را به NOAA میفروشد، جایی که در سیستم پیشبینی آب و هوای آمریکا استفاده میشود، و همچنین به نیروی هوایی و نیروی دریایی ایالات متحده. این شرکت همچنین پیشبینیهای خود را به سرمایهگذاران و معاملهگران کالا میفروشد، اما دین میگوید شرکت متمرکز بر توسعه مدل و زیرساخت داده خود باقی مانده است، نه محصولات تجاری، تا حدودی به دلیل ماهیت در حال تغییر محیط اطلاعاتی.
دین گفت: «من قصد ندارم تیم عظیمی را برای ساخت یک محصول SaaS سرمایهگذاری کنم، اگر روشی که مردم دو سال دیگر اطلاعات مصرفی را میخواهند از طریق یک عامل (Agent) باشد، درست است؟»
