Weather Underground realizza previsioni meteorologiche basate su oltre 200.000 stazioni meteorologiche costruite privatamente in tutto il mondo, oltre a stazioni pubbliche, che variano in numero per Paese. La società sta aggiungendo 400 nuove stazioni in Asia, Sud America e Africa e le integrerà tutte con l'IA di Watson per l'apprendimento delle lingue di IBM (quella che ha giocato a Jeopardy! E ha vinto) .
Contenuto relativo
- Come la prima guerra mondiale ha cambiato per sempre le previsioni del tempo
Cosa significa esattamente? Sta creando un sistema globale di previsioni meteorologiche legato a un certo numero di aziende in tutto il mondo e, con ciò, la speranza di superare una delle variabili più costose e dannose nell'industria globale: il clima.
Quando IBM ha acquistato The Weather Company / WU lo scorso ottobre, ha immediatamente annunciato la sua intenzione di fondere le 200.000 stazioni meteorologiche di WU con Watson attraverso l'Internet of Things. L'IoT non è una lingua specifica ma piuttosto il concetto di unire molte cose diverse in un'unica lingua in modo che tutti i loro dati possano essere compilati e presentati insieme. Qualunque sia il protocollo, la previsione meteorologica vale grandi soldi per le aziende globali.
"Solo negli Stati Uniti, sappiamo che ogni anno le aziende perdono più di $ 500 miliardi a causa di problemi legati al clima", afferma Mary Glackin, responsabile delle operazioni di previsione scientifica presso The Weather Company. IBM e The Weather Company vedono le industrie aeronautica, assicurativa, pubblica utilità e agricoltura come i primi ad adottare lo strumento di previsione del tempo infuso da Watson di WU.
"Tutti i dati di The Weather Company sono accessibili tramite una semplice API (Application Programming Interface) pubblicata", afferma John Cohn, collega IBM e capo scienziato dell'automazione del design. Pensa a un'API come a una serie di istruzioni per la creazione di un software. È flessibile in quanto la società dell'utente finale può scegliere l'aspetto del software. Da questo portale digitale i suoi dipendenti accederanno ai dati estratti dalle stazioni meteorologiche e dai dispositivi connessi all'IoT e Watson li collegherà consentendo loro di porre domande nel modo in cui una persona pone un'altra persona.
Questa mappa mostra la copertura globale delle stazioni meteorologiche personali di Weather Underground. (Weather Underground) "La nostra dimostrazione iniziale, che è già online e funzionante, riguarda un progetto chiamato EZ Buddy", afferma Cohn, "sviluppato dal nostro laboratorio di ricerca IBM in Kenya. EZ Buddy dimostra come i dati meteorologici locali possono essere utilizzati con il monitoraggio e il controllo dell'irrigazione locale per aiutare gli agricoltori a ottimizzare l'irrigazione delle colture. "Gli agricoltori inviano messaggi di testo al sistema dai loro telefoni cellulari, ponendo domande come" Quando devo irrigare? " e "Quanto tempo ci vorrà prima che i miei serbatoi d'acqua vengano riempiti dalla pioggia?" e il sistema invia loro delle risposte. Una volta espanso oltre l'Africa orientale, WIoT (Watson IoT) unirà tutte le stazioni meteorologiche della WU con dati satellitari pertinenti, solleverà i dati dai sensori di pressione dei telefoni cellulari e li combinerà con le informazioni locali, come le misurazioni del suolo e i vicini negozi d'acqua, per affinare le sue modelli meteorologici a livello globale e locale. Gli agricoltori possono usarlo per gestire l'irrigazione, le stagioni di semina e gli orari dei pesticidi. "Dimostrerà come interessi commerciali come assicuratori, interessi agricoli e città più intelligenti possono costruire sistemi commerciali che combinano i dati meteorologici iperlocali con l'IoT cognitivo", aggiunge Cohn.
Gli aerei di linea raccolgono già rapporti di turbolenza tramite accelerometri di bordo e uniscono i dati tramite The Weather Company. Secondo il rapporto 2016 della società, la turbolenza causa danni per 5 milioni di dollari all'anno, 35 milioni di dollari all'anno in lesioni dell'equipaggio e dei passeggeri e 1, 36 miliardi di dollari all'anno per le deviazioni di volo. WIoT collegherà nel modello meteorologico globale i dati di turbolenza di tutti questi velivoli commerciali, costruendo un sistema di previsione a cui tutte le compagnie aeree possono accedere attraverso quel portale API. Con esso, i piloti possono manovrare attorno alle tempeste e i sistemi informatici delle compagnie aeree possono regolare gli orari di arrivo e partenza previsti.
Una stazione meteorologica personale installata sulla costa (Weather Underground) Il clima mosso causa ogni anno $ 500 miliardi di danni negli Stati Uniti, secondo una recente presentazione sul settore assicurativo di The Weather Company. "I set di dati aggiuntivi (WIoT) ci aiuteranno anche a prevedere i rischi con maggiore accuratezza, ridurre il numero di richieste di risarcimento e aiutare le compagnie assicurative a segnalare le frodi", afferma Glackin. Le compagnie di assicurazione potrebbero avvertire i clienti di avvicinarsi a grandine e bufere di neve in modo che possano preparare le loro case e le loro auto, minimizzando i danni (e quindi i reclami). I servizi pubblici inghiottono anche molte perdite causate dal maltempo che non possono sempre prevedere con largo anticipo. Il settanta percento delle interruzioni di corrente sono dovute a maltempo, secondo l'hub di Big Data e Analytics di IBM, e ogni volta che una compagnia energetica invia un equipaggio per ripristinare i servizi costa in media $ 500.000. Utilizzando il modello meteorologico WIoT attraverso l'API, le società di servizi pubblici possono essere proattive e mettere in scena le attrezzature di riparazione in vista delle grandi tempeste in modo che gli addetti alle riparazioni possano spostarsi più rapidamente per ripristinare i servizi.
Un uomo installa una stazione meteorologica personale. (Weather Underground) E poi ci sono, come dice Cohn, altre industrie che probabilmente accederanno al modello meteorologico per programmare le loro spedizioni intorno a patch di previsioni del tempo brutto per evitare costosi ritardi. Le aziende automobilistiche e al dettaglio che spostano merci finite come autovetture e magliette da mercantili attraverso gli oceani, per esempio, potrebbero trarne vantaggio.
"Soprattutto, crediamo che Watson possa aiutarci a espandere la nostra base di conoscenze sull'atmosfera", afferma Glackin. "Ad esempio, per migliorare le nostre previsioni per due settimane e oltre, il computing cognitivo potrebbe assimilare tutte le conoscenze di base e quindi esaminare risme di dati storici e attuali per aiutarci a individuare modelli predittivi che non abbiamo riconosciuto con approcci tradizionali."
Quindi eccoti. Cinquant'anni fa non potevamo prevedere granché di nulla e oggi stanno dicendo che presto l'AI può iniziare a fare previsioni meteorologiche istruite a due settimane di distanza. Fondamentalmente magico.
