WindBorne-მა აშშ-ის სამხედრო-საჰაერო ძალებთან 50 მილიონ დოლარამდე ღირებულების კონტრაქტი გააფორმა

აშშ-ის სამხედრო-საჰაერო ძალები (US Air Force) სტარტაპ WindBorne Systems-ის ავტონომიური მეტეოროლოგიური ზონდების ფლოტის მიერ შეგროვებულ მონაცემებს შეისყიდის. ახალი კონტრაქტის ფარგლებში, კომპანიამ შესაძლოა თითქმის 50 მილიონი დოლარის შემოსავალი მიიღოს.

ამჟამად WindBorne-ს მთელ მსოფლიოში დაახლოებით 700 მეტეოროლოგიური ზონდი ჰყავს გაშვებული. ეს აპარატები ატმოსფერული სენსორების მეშვეობით აგროვებენ მონაცემებს, რომლებსაც კომპანია მომხმარებლებზე ყიდის და ასევე საკუთარი ხელოვნური ინტელექტის (AI) ამინდის პროგნოზირების მოდელის დასახვეწად იყენებს.

2015 წელს რედვუდ-სიტიში (კალიფორნია) დაფუძნებული WindBorne ერთ-ერთი პირველი ორგანიზაციაა, რომელიც ემპირიულ მონაცემებს პირდაპირ ღრმა სწავლების (deep-learning) ამინდის მოდელში ტვირთავს. კომპანია აქამდეც მჭიდროდ თანამშრომლობდა აშშ-ის მთავრობასთან, მათ შორის ეროვნულ მეტეოროლოგიურ სამსახურთან, სამხედრო-საჰაერო და სამხედრო-საზღვაო ძალებთან, თუმცა ეს კონტრაქტი მათ ისტორიაში ყველაზე მასშტაბურია.

კონტრაქტის დეტალები და მოქმედების პრინციპი

გარიგების მაქსიმალური ღირებულება 49 მილიონი დოლარია, თუმცა სამხედრო-საჰაერო ძალები თანხას მხოლოდ საჭიროებისამებრ, კონკრეტული მონაცემების მოთხოვნისას იხდიან. უწყებას შეუძლია შეუკვეთოს მონაცემები კონკრეტული რეგიონებისა და დროის მონაკვეთებისთვის. ამ დროისთვის უკვე განხორციელებულია 1.7 მილიონი დოლარის ღირებულების შეკვეთა, ხოლო კომპანიის ხელმძღვანელობა სამომავლოდ მოთხოვნის ზრდას ელოდება.

„ეს კონტრაქტი არის ძირითადი მექანიზმი, რომელიც ხელს შეუწყობს ჩვენი ზონდების ქსელის შემდგომ ზრდას. ასევე, ის საშუალებას მოგვცემს გავაგრძელოთ კვლევები და განვითარება აპარატურის გაუმჯობესებისა და ზონდების ეფექტურობის ასამაღლებლად“, — განუცხადა TechCrunch-ს WindBorne-ის თანადამფუძნებელმა და ტექნიკურმა დირექტორმა (CTO), ანდრეი სუშკომ.

სუშკომ ასევე აღნიშნა, რომ კონტრაქტი ტენდერის გარეშე გაფორმდა, რაც მთავრობის მხრიდან იმის აღიარებაა, რომ გლობალური მონაცემების შეგროვების ამგვარი შესაძლებლობა მხოლოდ WindBorne-ს გააჩნია.

ტექნოლოგიური უპირატესობა და AI პროგნოზირება

აგვისტოში WindBorne-ის აღმასრულებელმა დირექტორმა, ჯონ დინმა, განაცხადა, რომ კომპანიამ B სერიის დაფინანსების რაუნდში 37 მილიონი დოლარი მოიზიდა ბიზნესის მასშტაბირებისთვის. მიმდინარე წლის ზაფხულში კომპანიამ გამოუშვა პროგნოზირების მოდელის უახლესი ვერსია — WeatherMesh 6. მათი მტკიცებით, ეს მოდელი უფრო ზუსტ პროგნოზებს იძლევა, ვიდრე ევროპის საშუალო ვადიანი ამინდის პროგნოზების ცენტრის (ECMWF) ტრადიციული მოდელები, რომლებიც ატმოსფერულ პროცესებს ფიზიკის კანონების სიმულაციით სწავლობენ.

ტრანსფორმერული მოდელების არქიტექტურის გამოჩენისა და ECMWF-ის მიერ ამინდის მონაცემთა ბაზების გასაჯაროების შემდეგ, AI პროგნოზირება ღრმა სწავლების ტექნოლოგიის ერთ-ერთ ყველაზე პროდუქტიულ სფეროდ იქცა. ადრე მეტეოროლოგები ძვირადღირებულ სუპერკომპიუტერებსა და რთულ განტოლებებს ეყრდნობოდნენ. ახლა კი, სისტემურ სწავლებას შეუძლია ათწლეულების განმავლობაში დაგროვილი მონაცემების დამუშავება და პროგნოზების გაცილებით სწრაფად გაცემა.

მიუხედავად იმისა, რომ ტრადიციული და AI მოდელების კომბინაცია კვლავ აუცილებელია ამინდის სრულყოფილი აღქმისთვის, მოწინავე ლაბორატორიებისა და სამთავრობო სააგენტოების მიერ შექმნილი მოდელები სულ უფრო მეტ სიზუსტეს ავლენენ. მაგალითად, Google DeepMind-ის უახლესი მოდელი და მისი ციკლონების პროგნოზირების ხელსაწყოები გადამწყვეტ როლს თამაშობს აშშ-ის მთავრობის რეაგირებაში ქარიშხლების სეზონზე.

ინოვაციური ნავიგაცია და ოპერაციული მიღწევები

აგვისტოში WindBorne გახდა პირველი ორგანიზაცია, რომელმაც უძრავი (ძრავის არმქონე) საფრენი აპარატი ტაიფუნის ეპიცენტრში მონაცემების შესაგროვებლად გაგზავნა. კომპანია ზონდების მანევრირებას ახდენს სიმაღლის ცვლილებით, ჰაერის გამოშვებით ან ბალასტის სახით წაღებული ქვიშის დაყრით. ეს საშუალებას აძლევს აპარატებს, მოხვდნენ საჭირო საჰაერო დინებებში, რომლებიც მათ დანიშნულების ადგილამდე მიიყვანს.

ანდრეი სუშკოს თქმით, ეს ინოვაციური ნავიგაციის მეთოდი ორი ფაქტორის დამსახურებაა: ქარისა და ამინდის ზუსტი მოდელების ცოდნა და საკმარისად დიდი ქსელის ქონა, რათა ზონდები საჭირო დროს საჭირო ადგილას აღმოჩნდნენ. ეს არის ერთ-ერთი პირველი შემთხვევა, როდესაც ღრმა სწავლების მოდელი რეალური ოპერაციული გადაწყვეტილებების მისაღებად გამოიყენეს.