Az Amerikai Légierő (U.S. Air Force) adatokat fog vásárolni a WindBorne Systems autonóm léggömbjeinek globális hálózatától egy, legfeljebb 49 millió dollár értékű szerződés keretében. A megállapodás nem kötelező érvényű éves kifizetést jelent: a légierő csak akkor fizet, amikor ténylegesen adatot rendel, és megrendeléseit konkrét régiókra és időszakokra adhatja le.
A WindBorne hálózata és működése
A WindBorne, amelyet 2015-ben alapítottak és székhelye Redwood City, Kalifornia, jelenleg mintegy 700 léggömböt üzemeltet világszerte. Ezek a nemzetközi légkörből gyűjtenek szenzoradatokat, amelyeket értékesítenek ügyfeleiknek, továbbá betáplálnak saját, mesterséges intelligencián alapuló előrejelző modelljükbe, a WeatherMesh-be. A cég az elsők között van, amely közvetlenül empirikus mérési adatokat használ mélytanuló-alapú időjárás-előrejelzéshez.
A szerződés részletei és eddigi megrendelések
A szerződés maximális értéke 49 millió dollár; eddig az Amerikai Légierő összesen 1,7 millió dollár értékű adatmegrendelést adott le. A konstrukció lehetővé teszi további, szükség szerinti megrendelések leadását, ezért a WindBorne vezetői több megrendelésre számítanak a jövőben.
A vállalat társalapítója és műszaki igazgatója, Andrey Sushko szerint a megállapodás „elsősorban eszköz arra, hogy a konstelláció további növekedését támogassa, illetve hogy kutatás-fejlesztési munkát is végezzenek a ballonok hardverének és teljesítményének további javítása érdekében.” A szerződést versenyeztetés nélkül ítélték oda; a cég álláspontja szerint a kormány megállapítása az volt, hogy a globális adatszolgáltatás e képességére csak ők tudtak olyan megoldást nyújtani, amely megfelelt az üzemeltetési igényeknek.
Kapcsolat a kormányzati ügynökségekkel és a finanszírozás
A WindBorne szoros együttműködésben dolgozott az Egyesült Államok kormányzati szereplőivel, köztük a National Weather Service-szel, az Amerikai Légierővel és a Haditengerészettel. John Dean, a cég vezérigazgatója augusztusban közölte, hogy a WindBorne 37 millió dolláros B sorozatú finanszírozást zárt a tevékenység bővítéséhez.
Mesterséges intelligencia és időjárás-előrejelzés
A WindBorne nemrég adta ki WeatherMesh 6 nevű modelljének legújabb változatát; a cég állítása szerint ez pontosabb előrejelzéseket ad, mint a hagyományos, a fizika törvényeire épülő modell, amelyet az European Centre for Medium-Range Weather Forecasts (ECMWF) futtat. A transzformer-alapú architektúrák és az ECMWF néhány évvel ezelőtti nagy volumenű adatkiadása óta az AI-alapú időjárás-előrejelzés egyre fontosabb gyakorlati alkalmazása lett a mélytanulásnak.
A hagyományos meteorológiai módszerek drága szuperszámítógépeket igényeltek az atmoszféra fizikai modellezéséhez; az end-to-end tanulás viszont évekre visszanyúló méréseket képes feldolgozni és gyorsabb előrejelzést adni. Bár a mesterséges intelligenciára épülő és a hagyományos modellek egyaránt hasznosak, a terület még formálódik, és mindkét megközelítésre szükség van a megbízható időjárásértéshez.
Innovációk a ballonirányításban
Idén augusztusban a WindBorne volt az első szervezet, amely motor nélküli (unpowered) repülőrendszert küldött adatgyűjtésre egy tájfun szemébe. A cég léggömbjeit úgy irányítja, hogy változtatja a ballon magasságát, kienged levegőt vagy szenet/ballasztot dob le, így olyan széljárati sávokba kerülhetnek, amelyek a kívánt helyre juttatják őket.
Sushko szerint ez a megközelítés újszerű lépés: két alapfeltételre támaszkodik — egyrészt jó szél- és időjárási modellekre, valamint azok navigációs alkalmazására; másrészt elég nagy konstellációra, hogy mindig legyenek ballonok a megfelelő helyeken. Hozzáfűzte, hogy ez az egyik első alkalom, amikor egy mélytanuló modell operatív döntések meghozatalánál játszott szerepet.
Miért számít ez?
A szerződés és a konstelláció bővítése hozzájárulhat ahhoz, hogy több, valós időben mért légköri adat álljon rendelkezésre mind a kormányzati, mind a kereskedelmi előrejelző rendszerek számára. Az ilyen adatok beépítése a mesterséges intelligencián alapuló modellekbe gyorsabb és adott esetben pontosabb előrejelzéseket tehet lehetővé, ami különösen fontos szélsőséges időjárási események előrejelzésénél és a vészhelyzeti felkészülésnél.
