Weather Underground делает прогнозы погоды на основе более чем 200 000 частных метеостанций по всему миру, а также общественных станций, число которых варьируется в зависимости от страны. Компания добавляет 400 новых станций в Азии, Южной Америке и Африке, и она будет интегрировать их все с ИИ изучения языка Watson от IBM (той, которая играла в Jeopardy! И победила) .
Связанный контент
- Как Первая мировая война изменила прогноз погоды навсегда
Так что именно это значит? Он создает глобальную систему прогноза погоды, связанную с целым рядом компаний по всему миру, и с этим надежда превзойти одну из самых дорогостоящих и разрушительных переменных в мировой промышленности - погоду.
Когда IBM купила The Weather Company / WU в октябре прошлого года, она сразу объявила о своем намерении объединить 200 000 метеорологических станций WU с Watson через Интернет вещей. IoT - это не конкретный язык, а концепция объединения множества разных вещей под одним языком, чтобы все их данные можно было собирать и представлять вместе. Каким бы ни был протокол, прогноз погоды стоит больших денег для глобальных компаний.
«В одних только США мы знаем, что предприятия теряют более 500 миллиардов долларов из-за проблем, связанных с погодой, каждый год», - говорит Мэри Глэкин, руководитель отдела прогнозирования науки в The Weather Company. IBM и The Weather Company рассматривают авиационную, страховую, коммунальную и сельскохозяйственную отрасли как первых, кто внедрил инструмент WU для прогнозирования погоды, основанный на Уотсоне.
«Доступ ко всем данным The Weather Company можно получить с помощью простого опубликованного интерфейса прикладного программирования (API)», - говорит Джон Кон, сотрудник IBM и главный ученый по автоматизации проектирования. Думайте об API как о наборе инструкций для создания части программного обеспечения. Он гибок в том, что компания конечного пользователя может выбирать, как будет выглядеть программное обеспечение. На этом цифровом портале его сотрудники получат доступ к данным, полученным с метеостанций и устройств, подключенных к IoT, и Watson связывает их вместе, позволяя им задавать вопросы так, как человек спрашивает другого человека.
На этой карте показан глобальный охват личных метеостанций Weather Underground. (Подземный Погода) «Наша первоначальная демонстрация, которая уже в сети и работает, посвящена проекту EZ Buddy, - говорит Кон, - который был разработан нашей исследовательской лабораторией IBM в Кении. EZ Buddy демонстрирует, как местные данные о погоде могут использоваться с местным ирригационным мониторингом и контролем, чтобы помочь фермерам оптимизировать полив своих культур ». Фермеры отправляют текстовые сообщения системе со своих мобильных телефонов, задавая такие вопросы, как« Когда я должен поливать? » и «Как долго, пока мои резервуары для воды не наполнятся дождем?», и система отправляет им текстовые ответы. После расширения за пределы Восточной Африки WIoT (Watson IoT) объединит все метеорологические станции WU с соответствующими спутниковыми данными, снимет данные с датчиков давления сотовых телефонов и объединит их с локальной информацией, такой как измерения почвы и близлежащие запасы воды, для повышения ее точности. модели погоды как на глобальном, так и на местном уровне. Фермеры могут использовать его для управления своими поливами, сезонами посева и расписанием пестицидов. «Это продемонстрирует, как коммерческие интересы, такие как страховщики, коммерческие фермерские хозяйства и более умные города, могут создавать коммерческие системы, которые объединяют гиперлокальные данные о погоде с когнитивным IoT», - добавляет Кон.
Авиалайнеры уже собирают отчеты о турбулентности через бортовые акселерометры и объединяют данные через The Weather Company. Согласно отчету компании за 2016 год, турбулентность приносит ущерб в 5 миллионов долларов в год, 35 миллионов долларов в год в результате травм экипажа и пассажиров и 1, 36 миллиарда долларов в год при переброске рейсов. WIoT свяжет в глобальную модель погоды данные о турбулентности всех этих коммерческих воздушных судов, создав систему прогнозирования, к которой все авиакомпании смогут получить доступ через этот портал API. С его помощью пилоты могут маневрировать вокруг штормов, а компьютерные системы авиакомпаний могут корректировать прогнозируемое время прибытия и вылета.
Персональная метеостанция установлена на побережье (Weather Underground) Согласно недавней презентации The Weather Company о ненадежной погоде в США каждый год в США причиняется ущерб в размере 500 млрд долларов. «(WIoT) дополнительные наборы данных также помогут нам с большей точностью прогнозировать риск, сократить количество поданных претензий, а также помогут страховым компаниям отмечать мошенничество», - говорит Глакин. Страховые компании могут предупреждать клиентов о приближении града и метелей, чтобы они могли подготовить свои дома и машины, сводя к минимуму ущерб (и, следовательно, претензии). Коммунальные службы также поглощают много потерь от непогоды, которую они не всегда могут предсказать заранее. По данным IBM Big Data and Analytics Hub, 70% перебоев в питании происходят из-за плохой погоды, и каждый раз, когда энергетическая компания отправляет команду для восстановления услуг, она стоит в среднем 500 000 долларов. Используя погодную модель WIoT через API, коммунальные предприятия могут действовать упреждающе и проводить ремонт оборудования перед крупными ураганами, чтобы ремонтные бригады могли быстрее прибывать для восстановления услуг.
Мужчина устанавливает персональную метеостанцию. (Подземный Погода) И, как говорит Кон, есть и другие отрасли, которые, вероятно, получат доступ к модели погоды, чтобы планировать свои поставки вокруг прогнозируемых участков непогоды, чтобы избежать дорогостоящих задержек. Например, автомобильные и розничные компании, перевозящие готовые товары, такие как легковые автомобили и футболки, по фрахту через океаны, могут воспользоваться.
«Мы очень рады, что Уотсон может помочь нам расширить нашу базу знаний об атмосфере», - говорит Глакин. «Например, чтобы улучшить наши прогнозы на две недели и более, когнитивные вычисления могут усвоить все базовые знания, а затем взглянуть на множество исторических и текущих данных, чтобы помочь нам выбрать прогностические модели, которые мы не распознали при традиционных подходах».
Итак, поехали. Пятьдесят лет назад мы не могли ничего предсказать, и сегодня они говорят, что скоро ИИ сможет начать делать образованные прогнозы погоды через две недели. В основном магия.
