В настоящее время у WindBorne около 700 метеозондов, летающих по всему миру и собирающих данные с атмосферных датчиков. Компания продает эти данные клиентам, а также использует их в собственной модели прогнозирования погоды на основе ИИ. WindBorne, основанная в 2015 году и базирующаяся в Редвуд-Сити, Калифорния, является одной из первых организаций, напрямую использующих эмпирические данные в модели глубокого обучения для прогнозирования погоды.
Компания тесно сотрудничала с правительством США, в частности с Национальной метеорологической службой, а также с ВВС и ВМС США, но это крупнейший контракт, в котором компания когда-либо участвовала. Его сумма может достигать 49 миллионов долларов, однако ВВС оплачивают данные по мере необходимости. Они могут размещать заказы на конкретные регионы в определенное время. На данный момент заказано данных на 1,7 миллиона долларов, и руководство ожидает новых заказов.
«Это в значительной степени является средством для поддержки дальнейшего роста группировки, а также для проведения исследований и разработок с целью постоянного улучшения аппаратного обеспечения и характеристик зондов», — сообщил TechCrunch соучредитель и технический директор WindBorne Андрей Сушко. Он добавил, что контракт, заключенный без конкурсных торгов, является «решением правительства о том, что для этой возможности сбора глобальных данных мы были единственной компанией, способной предоставить ее таким образом, чтобы удовлетворить их потребности для этих операций».
Генеральный директор WindBorne Джон Дин сообщил TechCrunch в августе, что компания привлекла 37 миллионов долларов в рамках раунда Серии B для дальнейшего масштабирования своего бизнеса. Ранее этим летом компания выпустила последнюю версию своей модели прогнозирования WeatherMesh 6, которая, по ее утверждению, обеспечивает более точные прогнозы, чем традиционная модель Европейского центра среднесрочных прогнозов погоды (ECMWF), моделирующая атмосферу на основе законов физики.
С появлением архитектур трансформерных моделей и выпуском ECMWF большого набора данных о погоде несколько лет назад прогнозирование погоды с помощью ИИ стало одним из наиболее продуктивных применений технологии глубокого обучения. Метеорологи ранее полагались на дорогие суперкомпьютеры, выполняющие подробные расчеты, аппроксимирующие поведение атмосферы. Теперь сквозное обучение может обрабатывать десятилетия данных о погоде и быстрее выдавать прогнозы.
Модели, созданные передовыми лабораториями и государственными учреждениями, оказываются точнее традиционных прогнозов, хотя это все еще неизведанная территория, и оба типа прогнозов необходимы для полезного понимания погоды. Последняя погодная модель Google DeepMind предлагает важные новые возможности, а ее инструменты прогнозирования циклонов становятся все более важными для реагирования правительства США на сезон ураганов.
В августе WindBorne стала первой организацией, отправившей беспилотную систему — без двигателя — для сбора данных в центр тайфуна. Компания управляет своими зондами, регулируя их высоту, выпуская воздух или сбрасывая песок, используемый в качестве балласта, чтобы направить аппараты в потоки ветра, которые несут их туда, куда нужно.
«Это довольно новый шаг, и для этого нужны два компонента: во-первых, хорошие модели ветра и погоды и знание того, как ими управлять; во-вторых, достаточно большая группировка, чтобы зонды находились в нужных местах», — сказал Сушко. «Это один из первых случаев, когда модель глубокого обучения использовалась для принятия реальных оперативных решений».
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Tim Fernholz
