Weather Underground laver vejrudsigter baseret på mere end 200.000 privatbyggede vejrstationer over hele verden plus offentlige stationer, der varierer i antal efter land. Virksomheden tilføjer 400 nye stationer i Asien, Sydamerika og Afrika, og det integrerer dem alle med IBMs Watson-sprogindlærings AI (den, der spillede Jeopardy! Og vandt) .
Relateret indhold
- Hvordan første verdenskrig ændrede vejrudsigten for godt
Så hvad betyder det nøjagtigt? Det skaber et globalt vejrprognosesystem bundet til en række verdensomspændende virksomheder, og med det et håb om at overmanøvrere en af de mest kostbare, skadelige variabler i den globale industri - vejr.
Da IBM købte Weather Company / WU i oktober sidste år, annoncerede det straks sin hensigt om at flette WUs 200.000 vejrstationer med Watson via Internet of Things. IoT er ikke et specifikt sprog, men snarere begrebet at forene mange forskellige ting under ét sprog, så alle deres data kan samles og præsenteres sammen. Uanset protokol er vejrudsigter store penge værd for globale virksomheder.
”I USA alene ved vi, at virksomheder mister mere end 500 milliarder dollars på grund af vejrrelaterede problemer hvert år, ” siger Mary Glackin, leder af videnskabsprognoser i The Weather Company. IBM og The Weather Company ser luftfarts-, forsikrings-, public utility- og landbrugssektoren som tidlige adoptører af WUs Watson-infunderede vejrprognoseværktøj.
"Alle data fra Weather Company kan fås ved hjælp af en simpel offentliggjort applikationsprogrammeringsgrænseflade (API), " siger John Cohn, IBM-kollega og chefforsker inden for designautomation. Tænk på et API som et sæt instruktioner til opbygning af et stykke software. Det er fleksibelt, idet slutbrugerfirmaet kan vælge, hvordan softwaren skal se ud. Fra denne digitale portal får sine medarbejdere adgang til de data, der er trukket fra vejrstationer og IoT-tilsluttede enheder, og Watson binder det sammen ved at lade dem stille spørgsmål, som en person spørger en anden person.
Dette kort viser den globale dækning af Weather Underground personlige vejrstationer. (Vejr underjordisk) ”Vores første demonstration, der allerede er online og fungerer, er omkring et projekt kaldet EZ Buddy, ” siger Cohn, ”udviklet af vores IBM-forskningslaboratorium i Kenya. EZ Buddy demonstrerer, hvordan lokale vejrdata kan bruges med lokal overvågning og kontrol med kunstvanding for at hjælpe landmænd med at optimere deres afgrødevandning. ”Landmændene tekster systemet fra deres mobiltelefoner og stiller spørgsmål som 'Hvornår skal jeg vand?' og 'Hvor længe før mine vandtanke er genopfyldt af regn?', og systemet tekster svarer. Når WIoT (Watson IoT), når den er blevet udvidet ud over Østafrika, vil flette alle WUs vejrstationer med relevante satellitdata, løfte data fra mobiltelefons tryksensorer og kombinere dem med lokal information, såsom jordmålinger og vandlager i nærheden, for at skærpe dens vejrmodeller både globalt og lokalt. Landmænd kan bruge det til at styre deres planer for kunstvanding, plantningssæsoner og pesticider. ”Det vil demonstrere, hvordan kommercielle interesser som forsikringsselskaber, interesser i kommercielt landbrug og smartere byer kan opbygge kommercielle systemer, der kombinerer hyperlokale vejrdata med kognitiv IoT, ” tilføjer Cohn.
Flyselskaber indsamler allerede turbulensrapporter via accelerationsmålere ombord og fletter dataene sammen med The Weather Company. I henhold til selskabets rapport fra 2016 forårsager turbulens 5 millioner dollars om året i skader, $ 35 millioner om året i besætnings- og passagerskader og 1, 36 milliarder dollars om året i flyvninger. WIoT forbinder turbulensdataene for alle disse kommercielle fly til den globale vejrmodel og bygger et prognosesystem, som alle flyselskaber kan få adgang til via denne API-portal. Med det kan piloter manøvrere sig omkring storme, og luftfartsselskabers computersystemer kan justere forventede ankomst- og afgangstider.
En personlig vejrstation installeret på kysten (Weather Underground) Groft vejr forårsager 500 milliarder dollars skade i USA hvert år, ifølge en nylig præsentation af forsikringsbranchen fra The Weather Company. "(WIoT's) yderligere datasæt vil også hjælpe os med at forudsige risiko med forbedret nøjagtighed, reducere antallet af indgivne krav, samtidig med at det hjælper forsikringsselskaber med at flagge svig, " siger Glackin. Forsikringsselskaber kunne advare kunderne om at nærme sig hagl og snestormer, så de kunne forberede deres hjem og biler og minimere skader (og derfor krav). Offentlige forsyningsselskaber sluger også en masse tab på grund af hårdt vejr, som de ikke altid kan forudsige langt på forhånd. Halvfjerds procent af strømafbrydelserne skyldes dårligt vejr ifølge IBMs Big Data og Analytics Hub, og hver gang et energiselskab sender et besætning for at gendanne tjenester koster det i gennemsnit $ 500.000. Ved hjælp af WIoT-vejrmodellen gennem API'en kan hjælpefirmaer være proaktive og sceneudviklingsudstyr foran store storme, så reparationsbesætningerne kan komme hurtigere ind for at gendanne tjenester.
En mand installerer en personlig vejrstation. (Vejr underjordisk) Og så er der, som Cohn siger, andre industrier, der sandsynligvis får adgang til vejrmodellen for at planlægge deres forsendelse omkring forventede pletter med groft vejr for at undgå dyre forsinkelser. Automobilselskaber og detailhandelsfirmaer, der flytter færdige varer som personbiler og T-shirts fra fragtfly over hele oceanerne, kan for eksempel drage fordel.
”Vi er mest begejstrede for, at Watson kan hjælpe os med at udvide vores videnbase om atmosfæren, ” siger Glackin. "For eksempel at forbedre vores prognoser i to uger og derover kunne kognitiv computing samle alt baggrundsviden og derefter se på reames af historiske og aktuelle data for at hjælpe os med at vælge forudsigelige mønstre, som vi ikke har anerkendt med traditionelle tilgange."
Så der går du. For 50 år siden kunne vi ikke forudsige meget af noget, og i dag siger de, at AI snart kan begynde at lave uddannede vejrprognoser to uger ude. Dybest set magi.
