O Weather Underground faz previsões do tempo com base em mais de 200.000 estações meteorológicas construídas de forma privada em todo o mundo, além de estações públicas, que variam em número por país. A empresa está adicionando 400 novas estações na Ásia, América do Sul e África, e estará integrando todas elas com a IA de aprendizagem de idiomas Watson da IBM (a que jogou o Jeopardy! E ganhou) .
Conteúdo Relacionado
- Como a Primeira Guerra Mundial mudou a previsão do tempo para o bem
Então o que exatamente isso significa? Está criando um sistema global de previsão do tempo ligado a uma série de empresas em todo o mundo e, com isso, uma esperança de superar uma das variáveis mais onerosas e prejudiciais na indústria global - o clima.
Quando a IBM comprou a The Weather Company / WU em outubro passado, ela imediatamente anunciou sua intenção de fundir as 200.000 estações meteorológicas da WU com o Watson através da Internet of Things. IoT não é uma linguagem específica, mas sim o conceito de unir muitas coisas diferentes em uma linguagem, de modo que todos os seus dados possam ser compilados e apresentados juntos. Qualquer que seja o protocolo, a previsão do tempo vale muito dinheiro para empresas globais.
"Só nos EUA, sabemos que as empresas perdem mais de US $ 500 bilhões por causa de problemas relacionados ao clima a cada ano", diz Mary Glackin, chefe de operações de previsão científica da The Weather Company. A IBM e a The Weather Company veem os setores de aviação, seguros, serviços públicos e agricultura como os primeiros a adotar a ferramenta de previsão do tempo com Watson em WUs.
“Todos os dados da The Weather Company podem ser acessados usando uma API (Interface de Programação de Aplicativo) publicada”, diz John Cohn, colega e cientista chefe de automação de design da IBM. Pense em uma API como um conjunto de instruções para criar um software. É flexível em que a empresa do usuário final pode escolher como será o software. A partir deste portal digital, seus funcionários acessarão os dados extraídos de estações meteorológicas e dispositivos conectados à IoT, e o Watson os unirá, permitindo que eles façam perguntas da mesma forma que uma pessoa pergunta a outra pessoa.
Este mapa mostra a cobertura global das estações meteorológicas pessoais da Weather Underground. (Clima subterrâneo) “Nossa demonstração inicial, que já está online e funcionando, é em torno de um projeto chamado EZ Buddy”, afirma Cohn, “desenvolvido pelo nosso laboratório de pesquisa da IBM no Quênia. O EZ Buddy demonstra como os dados climáticos locais podem ser usados com monitoramento e controle de irrigação local para ajudar os agricultores a otimizar a irrigação de suas culturas ”. Os agricultores fazem o texto do sistema em seus telefones celulares, fazendo perguntas como 'Quando devo regar?' e 'Quanto tempo até meus tanques de água serem recarregados pela chuva?', e o sistema envia mensagens de resposta. Uma vez expandida para além da África Oriental, a WIoT (Watson IoT) unirá todas as estações meteorológicas da WU com dados de satélite relevantes, levantará dados dos sensores de pressão dos telefones celulares e as combinará com informações locais, como medições do solo e reservas de água próximas. modelos climáticos tanto global como localmente. Os agricultores podem usá-lo para gerenciar sua irrigação, plantio e agendamentos de pesticidas. "Isso demonstrará como os interesses comerciais, como seguradoras, interesses agrícolas comerciais e cidades mais inteligentes, podem construir sistemas comerciais que combinam dados climáticos hiperlocais com a IoT cognitiva", acrescenta Cohn.
Aviões de passageiros já coletam relatórios de turbulência através de acelerômetros a bordo e mesclam os dados através da The Weather Company. De acordo com o relatório de 2016 da empresa, a turbulência causa US $ 5 milhões por ano em danos, US $ 35 milhões por ano em lesões de tripulantes e passageiros, e US $ 1, 36 bilhão por ano em desvios de voo. A WIoT ligará ao modelo climático global os dados de turbulência de todas essas aeronaves comerciais, construindo um sistema de previsão que todas as companhias aéreas podem acessar através desse portal API. Com ele, os pilotos podem manobrar em torno de tempestades, e os sistemas de computador da companhia aérea podem ajustar os horários previstos de chegada e partida.
Uma estação meteorológica pessoal instalada na costa (Weather Underground) O mau tempo causa US $ 500 bilhões em prejuízos nos EUA a cada ano, de acordo com uma recente apresentação sobre o setor de seguros pela The Weather Company. "Os conjuntos de dados adicionais (da WIoT) também nos ajudarão a prever riscos com maior precisão, reduzir o número de reclamações registradas e, ao mesmo tempo, ajudar as seguradoras a sinalizar fraudes", diz Glackin. As companhias de seguros poderiam alertar os clientes sobre a aproximação de granizo e nevascas para que pudessem preparar suas casas e carros, minimizando os danos (e, portanto, as reclamações). Os serviços públicos também engolem muitas perdas de tempo pesado que nem sempre podem prever com muita antecedência. Setenta por cento das quedas de energia são causadas pelo mau tempo, de acordo com o Big Data and Analytics Hub, da IBM, e toda vez que uma empresa de energia envia uma equipe para restaurar serviços, ela custa em média US $ 500.000. Usando o modelo meteorológico da WIoT por meio da API, as empresas de serviços públicos podem ser proativas e equipar os equipamentos de reparo antes das grandes tempestades, para que as equipes de reparos possam se mover mais rapidamente para restaurar os serviços.
Um homem instala uma estação meteorológica pessoal. (Clima subterrâneo) E há, como diz Cohn, outras indústrias que provavelmente acessam o modelo climático para programar sua remessa em torno dos pontos de previsão de mau tempo para evitar atrasos caros. As empresas automotivas e de varejo que movimentam produtos acabados, como carros de passeio e camisetas, por cargueiros nos oceanos, por exemplo, podem aproveitar.
"Mais empolgados, acreditamos que a Watson pode nos ajudar a expandir nossa base de conhecimento sobre a atmosfera", diz Glackin. “Por exemplo, para melhorar nossas previsões por duas semanas e mais, a computação cognitiva poderia assimilar todo o conhecimento de fundo e, em seguida, observar resmas de dados históricos e atuais para nos ajudar a identificar padrões preditivos que não reconhecemos com abordagens tradicionais.”
Então você vai. Cinqüenta anos atrás, não poderíamos prever muito de nada, e hoje eles estão dizendo que logo AI pode começar a fazer previsões meteorológicas educadas duas semanas fora. Basicamente magia.
