WindBorne Systems, una startup fondata da studenti di Stanford nel 2019, ha oggi annunciato l'ultimo aggiornamento del modello di previsioni meteorologiche, WeatherMesh 6. Questo strumento, grazie alle innovazioni nei modelli deep learning, offre previsioni più frequenti e accurate rispetto al sistema del Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF), finora considerato il più preciso al mondo.
WindBorne ha avuto inizio con l'idea di creare un palloncino meteorologico più avanzato e successivamente di vendere i dati raccolti. Tuttavia, con l'emergere dei modelli di apprendimento automatico nel settore delle previsioni del tempo nel 2022, l'azienda ha riconosciuto l'opportunità di sviluppare un proprio modello.
Come funziona WeatherMesh 6
Chief Product Officer Kai Marshland spiega in modo semplice che WeatherMesh 6 è in grado di fornire una previsione precisa a cinque giorni dal momento in cui la previsione tradizionale riesce a prevedere con precisione un giorno prima. Questo risultato si manifesta in particolare per le misurazioni della temperatura alla superficie.
Il modello WeatherMesh 6, nel suo sesto aggiornamento, produce una previsione oraria, a differenza delle previsioni tradizionali che si generano ogni sei ore. Inoltre, risolve il problema della precisione spaziale: il modello ha una risoluzione fino a 3 km in Europa e negli Stati Uniti continentali, dove la qualità dei dati è maggiore.
Le sfide del settore
Gli strumenti tradizionali di previsione del tempo si basano su modelli fisici complessi che richiedono l'utilizzo di supercomputer costosi e lunghi tempi di calcolo. I modelli basati sull'intelligenza artificiale, sviluppati da startup e laboratori come Google DeepMind, sono più veloci, ma per ora non raggiungono la stessa risoluzione nello spazio, lo stesso numero di variabili e la stessa accuratezza su orizzonti temporali lunghi.
Nonostante questo, i modelli meteorologici AI si stanno rapidamente sviluppando e vengono già utilizzati da agenzie governative di tutto il mondo. Molti ricercatori stanno lavorando integrare queste tecnologie nei sistemi utilizzati per aggregare i dati meteorologici e generare previsioni pubbliche.
La strategia di WindBorne
WindBorne trae vantaggio da un insieme unico di modelli di costruzione e raccolta dati. L'azienda dispone di circa 400 palloncini in volo che raccogliono misurazioni in tempo reale da 15 siti distribuiti in tutto il globo. Le innovazioni del modello corrente dipendono dagli avanzamenti su come questi dati vengono inseriti nei modelli.
John Dean, CEO di WindBorne, ha dichiarato a TechCrunch: “Non capisco il modello di business di una compagnia basata sull'intelligenza artificiale per le previsioni del tempo che non abbia un vantaggio dato dal dataset di dati.” WindBorne ritiene fondamentale creare una propria banca dati per rimanere competitiva.
I progressi in data assimilation
Il vantaggio del sistema ECMWF deriva dalla sua capacità nell’"assimilazione dei dati", un complesso processo che trasforma dati provenienti da sensori diversi in rappresentazioni del mondo compatibili con gli algoritmi. Finora i modelli AI sono stati ancora dipendenti da dataset forniti da ECMWF e dalla US National Oceanic and Atmospheric Administration (NOAA).
WindBorne sta però lavorando per alimentare direttamente i propri modelli con dati raccolti tramite i suoi palloncini e altri dispositivi. Joan Creus-Costa, responsabile dell'intelligenza artificiale di WindBorne, ha detto che questa diretta “inserzione” dei dati è uno dei motivi chiave del miglioramento nelle previsioni prodotte con WeatherMesh 6. Il modello trasformatore è stato ottimizzato per un anno e ristrutturato per produrre previsioni stabili e accurate.
Ottimizzazione del modello
Dean ha dichiarato: “Iniziando con l'assimilazione dei dati eravamo ancora molto dipendenti da ECMWF. Oggi, se togliessi le condizioni iniziali di ECMWF, saremmo comunque performanti.” Questa affermazione sottolinea la maturità del modello di WindBorne.
I problemi di sicurezza
Nel corso dell'anno scorso, un palloncino di WindBorne si è scontrato con un jet della United Airlines. L'aereo ha riportato danni lievi, ma non sono state registrate vittime. Questo incidente ha stimolato l’azienda a installare trasponder sui suoi palloncini per registrare la posizione attraverso il sistema globale di vigilanza dell'aviazione, il cosiddetto Sistema ADS-B, al fine di ridurre il rischio di ulteriori collisioni.
Il futuro del settore
WindBorne ha attirato un finanziamento venture di 25 milioni di dollari e si valuta al momento 85 milioni di dollari, nel 2024. L’azienda vende i dati raccolti ai servizi meteorologici nazionali come NOAA, all’Aeronautica e alla Marina militari degli Stati Uniti. WindBorne vende anche le sue previsioni a investitori e commercianti di commodity, ma Dean ha precisato che l'azienda continua a concentrarsi sul miglioramento del proprio modello e della sua infrastruttura datuale, piuttosto che su prodotti commerciali.
Dean ha dichiarato: “Non sto pianificando di investire enormemente in un prodotto SaaS se tra due anni le persone consumeranno informazioni tramite un agente.” Questa dichiarazione rivela l'approccio strategico della startup verso l'evoluzione delle tecnologie e dell'informazione nel settore meteorologico.