ВВС США будут закупать данные, которые собирает флот автономных метеозондов WindBorne Systems, по новому контракту на сумму до $49 млн.
Сейчас у WindBorne около 700 метеозондов по всему миру. Они собирают атмосферные данные с датчиков, которые компания продаёт клиентам и также использует для собственной ИИ-модели прогноза погоды. WindBorne основана в 2015 году и базируется в Редвуд-Сити, штат Калифорния. Компания входит в число первых организаций, которые напрямую подают эмпирические данные в модель прогноза погоды на базе глубокого обучения.
Ранее WindBorne уже работала с правительством США, в том числе с Национальной метеослужбой, ВВС и ВМС. Однако этот контракт стал крупнейшим в истории компании. Формально его сумма может достигать $49 млн, но ВВС оплачивают данные по мере необходимости. Военные могут заказывать информацию по конкретным регионам и на нужное время. На данный момент уже размещены заказы на $1,7 млн, и руководство ожидает новых.
Сооснователь и технический директор WindBorne Андрей Сушко заявил TechCrunch: «Этот контракт во многом даёт возможность поддержать дальнейший рост группировки», а также финансировать исследования и разработки для улучшения аппаратной части и характеристик зондов.
По словам Сушко, контракт был выдан без конкурса. Он сказал, что это «решение правительства о том, что для сбора глобальных данных только мы могли предоставить такие возможности в формате, который соответствовал их потребностям для этих операций».
В августе генеральный директор WindBorne Джон Дин сообщил TechCrunch, что компания привлекла $37 млн в раунде Series B для дальнейшего масштабирования бизнеса.
Летом компания представила WeatherMesh 6 — новую версию своей модели прогноза. По утверждению WindBorne, она даёт более точные прогнозы, чем традиционная модель Европейского центра среднесрочных прогнозов погоды (ECMWF), которая моделирует атмосферу на основе физических законов.
За последние годы ИИ-прогнозирование погоды стало одним из самых результативных применений глубокого обучения. Этому способствовали архитектуры трансформеров и публикация крупного погодного датасета ECMWF. Раньше метеорологи в основном полагались на дорогие суперкомпьютеры, которые решают сложные уравнения для приближённого описания атмосферы. Теперь модели сквозного обучения могут обрабатывать десятилетия погодных данных и выдавать прогнозы быстрее.
Модели, созданные ведущими лабораториями и госструктурами, уже показывают более высокую точность, чем традиционные прогнозы, хотя на практике используются оба подхода. В материале отмечается, что последняя погодная модель Google DeepMind дала важные новые функции, а её инструменты прогноза циклонов играют всё более заметную роль в реакции властей США на сезон ураганов.
В августе WindBorne также стала первой организацией, которая отправила в глаз тайфуна безмоторную летающую систему для сбора данных. Компания управляет шарами за счёт изменения высоты, стравливания воздуха и сброса песка, который используется как балласт. Это позволяет направлять аппараты в нужные воздушные потоки.
Сушко назвал это новым шагом: «Для этого нужны две вещи: хорошие модели ветра и погоды, чтобы понимать, как вести аппарат, и достаточно большая группировка, чтобы нужные шары уже находились в правильных местах».
Он добавил: «Это один из первых случаев, когда модель глубокого обучения использовали для реальных операционных решений».
Источник: TechCrunch.
