AI-სტარტაპი WindBorne Systems ამინდის პროგნოზირებაში წამყვან სამთავრობო სააგენტოებს უსწრებს

სტარტაპმა WindBorne Systems-მა ამინდის პროგნოზირების ახალი AI ინსტრუმენტი წარადგინა, რომელიც ძირითად ცვლადებზე უფრო ხშირ და ზუსტ მონაცემებს გვთავაზობს, ვიდრე ევროპის მთავრობების მიერ შემუშავებული მსოფლიოს წამყვანი სისტემები. ეს მიღწევა სენსორული მონაცემების ღრმა სწავლების (deep learning) მოდელებში ინტეგრირების ინოვაციური მეთოდებით გახდა შესაძლებელი.

WindBorne 2019 წელს სტენფორდის უნივერსიტეტის სტუდენტების ჯგუფმა დააფუძნა. თავდაპირველად კომპანია ამინდის გაუმჯობესებული საჰაერო ზონდების (ბალონების) შექმნაზე იყო ფოკუსირებული, რათა შეგროვებული მონაცემები გაეყიდა. თუმცა, 2022 წელს ამინდის პროგნოზირების AI მოდელების გამოჩენასთან ერთად, გუნდმა გააცნობიერა, რომ საკუთარი მოდელის შექმნით გაცილებით დიდ ღირებულებას შექმნიდნენ. დღეს მათ ამ მოდელის მეექვსე ვერსია, WeatherMesh-6 გამოუშვეს.

კომპანიის განცხადებით, WeatherMesh-6 უფრო ზუსტია, ვიდრე საშუალო ვადიანი ამინდის პროგნოზების ევროპული ცენტრის (ECMWF) მიერ მომზადებული ტრადიციული და AI პროგნოზები. ECMWF მეტეოროლოგიურ წრეებში ამინდის პროგნოზირების ყველაზე სანდო წყაროდ მიიჩნევა. WindBorne-ის პროდუქტების დირექტორი, კაი მარშლანდი განმარტავს, რომ WeatherMesh-6-ის ხუთდღიანი პროგნოზი ისეთივე ზუსტია, როგორიც ტრადიციული მოდელების მიერ ერთი დღით ადრე მომზადებული მონაცემები, რაც განსაკუთრებით ზედაპირული ტემპერატურის გაზომვისას ვლინდება.

ტექნოლოგიური უპირატესობა და სიზუსტე

WeatherMesh-6-ის ერთ-ერთი მთავარი უპირატესობა მონაცემთა განახლების სიხშირეა. ტრადიციული მოდელებისგან განსხვავებით, რომლებიც პროგნოზს ყოველ ექვს საათში ერთხელ აახლებენ, ახალი AI სისტემა მონაცემებს ყოველ საათში აგენერირებს. ევროპასა და აშშ-ის კონტინენტურ ნაწილში, სადაც მონაცემთა ხარისხი ყველაზე მაღალია, მოდელის გარჩევადობა 3 კილომეტრამდეა დაყვანილი.

ტრადიციული ამინდის პროგნოზები რთულ ფიზიკურ მოდელებს ეყრდნობა, რომელთა მუშაობასაც ძვირადღირებული სუპერკომპიუტერები და დიდი დრო სჭირდება. AI მოდელები, რომლებსაც სტარტაპები და ისეთი გიგანტები ქმნიან, როგორიცაა Google DeepMind, გაცილებით სწრაფია. მიუხედავად იმისა, რომ AI მოდელებს ამ ეტაპზე გრძელვადიან პერსპექტივაში გარკვეული სირთულეები აქვთ, ტექნოლოგია სწრაფად ვითარდება და მას უკვე იყენებენ მსოფლიოს წამყვანი სამთავრობო სააგენტოები საზოგადოებრივი პროგნოზების მოსამზადებლად.

მონაცემთა შეგროვების უნიკალური მეთოდი

WindBorne-ის წარმატება მოდელის მშენებლობისა და მონაცემთა შეგროვების უნიკალურ კომბინაციაში მდგომარეობს. კომპანიას ნებისმიერ მომენტში ჰაერში დაახლოებით 400 ზონდი ჰყავს, რომლებიც მსოფლიოს 15 სხვადასხვა წერტილიდან ეშვება. მოდელის გაუმჯობესება სწორედ ამ ზონდებიდან მიღებული ინფორმაციის დამუშავების ახალმა მეთოდებმა განაპირობა.

„პირადად ჩემთვის გაუგებარია AI-ზე დაფუძნებული ამინდის პროგნოზირების კომპანიის ბიზნესმოდელი, თუ მას მონაცემთა შეგროვების კუთხით უპირატესობა არ გააჩნია“, — განუცხადა TechCrunch-ს WindBorne-ის აღმასრულებელმა დირექტორმა ჯონ დინმა.

ECMWF-ის ლიდერობა აქამდე განპირობებული იყო „მონაცემთა ასიმილაციის“ მაღალი დონით — სხვადასხვა სენსორებიდან მიღებული გაფანტული ინფორმაციის ერთიან, მანქანურად წაკითხვად სურათად ქცევის უნარით. ამჟამად AI მოდელების უმეტესობა ECMWF-ისა და აშშ-ის ოკეანისა და ატმოსფეროს ეროვნული ადმინისტრაციის (NOAA) მონაცემებზეა დამოკიდებული. თუმცა, WindBorne მუშაობს მონაცემების პირდაპირ მოდელებში მიწოდებაზე, რაც მათი AI მიმართულების ხელმძღვანელის, ჟოან კრეუს-კოსტას თქმით, WeatherMesh-ის ახალი ვერსიის გაუმჯობესების მთავარი მიზეზია.

უსაფრთხოება და ბიზნესის განვითარება

კომპანიამ ერთი წელი დახარჯა Transformer-ზე დაფუძნებული მოდელის დახვეწასა და არქიტექტურის შეცვლაზე, რათა სტაბილურობა შეენარჩუნებინათ. წარსულში დაფიქსირდა ინციდენტიც, როდესაც United Airlines-ის თვითმფრინავი მათ ერთ-ერთ ზონდს შეეჯახა. მიუხედავად იმისა, რომ თვითმფრინავი მსუბუქად დაზიანდა და არავინ დაშავებულა, კომპანიამ უსაფრთხოების ზომები გაამკაცრა. ახლა ისინი იყენებენ საავიაციო მეთვალყურეობის გლობალურ სისტემას (ADS-B), რათა თვალი ადევნონ საჰაერო მოძრაობას და საჭიროების შემთხვევაში ზონდები თვითმფრინავების მარშრუტიდან განარიდონ.

WindBorne-მა ვენჩურული დაფინანსების სახით 25 მილიონი დოლარი მოიზიდა, ხოლო მისი საბაზრო ღირებულება 2024 წლისთვის 85 მილიონ დოლარად არის შეფასებული. კომპანია თავის მონაცემებს ყიდის ისეთ ორგანიზაციებზე, როგორიცაა:

• აშშ-ის ოკეანისა და ატმოსფეროს ეროვნული ადმინისტრაცია (NOAA);
• აშშ-ის სამხედრო-საჰაერო ძალები;
• აშშ-ის სამხედრო-საზღვაო ფლოტი;
• ინვესტორები და სასაქონლო ბირჟის ტრეიდერები.

მიუხედავად კომერციული წარმატებისა, ჯონ დინი აცხადებს, რომ კომპანიის მთავარი ფოკუსი მაინც მოდელისა და მონაცემთა ინფრასტრუქტურის განვითარებაა. მისი თქმით, ინფორმაციული გარემო სწრაფად იცვლება და შესაძლოა, რამდენიმე წელიწადში მომხმარებლებმა ინფორმაციის მიღება არა SaaS პროდუქტებისგან, არამედ AI აგენტებისგან ისურვონ.