Weather Underground maakt weersvoorspellingen op basis van meer dan 200.000 particulier gebouwde weerstations over de hele wereld, plus openbare stations, die in aantal per land variëren. Het bedrijf voegt 400 nieuwe stations toe in Azië, Zuid-Amerika en Afrika, en het integreert ze allemaal met IBM's Watson-taalleer-AI (degene die Jeopardy! Speelde en won) .
gerelateerde inhoud
- Hoe de Eerste Wereldoorlog de weersvoorspelling voorgoed veranderde
Dus wat betekent dit precies? Het creëert een wereldwijd weersvoorspellingssysteem dat is gekoppeld aan een aantal wereldwijde bedrijven, en daarmee de hoop een van de duurste, meest schadelijke variabelen in de wereldwijde industrie te overtreffen - het weer.
Toen IBM in oktober The Weather Company / WU kocht, kondigde het onmiddellijk zijn voornemen aan om de 200.000 weerstations van WU samen te voegen met Watson via het Internet of Things. IoT is geen specifieke taal, maar het concept van het samenbrengen van veel verschillende dingen in één taal, zodat al hun gegevens kunnen worden gecompileerd en gepresenteerd. Wat het protocol ook is, weersvoorspelling is veel geld waard voor internationale bedrijven.
"Alleen al in de VS weten we dat bedrijven elk jaar meer dan $ 500 miljard verliezen vanwege weersgerelateerde problemen", zegt Mary Glackin, hoofd van de wetenschappelijke voorspellingsactiviteiten bij The Weather Company. IBM en The Weather Company zien de luchtvaart, verzekeringen, openbare nutsbedrijven en de landbouw als early adopters van Watson-doordrenkte weersvoorspellingstool.
"Alle gegevens van The Weather Company zijn toegankelijk via een eenvoudige, gepubliceerde Application Programming Interface (API)", zegt John Cohn, fellow en chief scientist van IBM voor ontwerpautomatisering. Beschouw een API als een set instructies voor het bouwen van een stuk software. Het is flexibel omdat het eindgebruikerbedrijf kan kiezen hoe de software eruit zal zien. Via dit digitale portaal hebben medewerkers toegang tot de gegevens die zijn verkregen van weerstations en IoT-aangesloten apparaten, en Watson verbindt deze door hen vragen te stellen zoals een persoon een andere persoon vraagt.
Deze kaart toont de wereldwijde dekking van de persoonlijke weerstations van Weather Underground. (Ondergronds weer) "Onze eerste demonstratie, die al online is en werkt, draait om een project met de naam EZ Buddy", zegt Cohn, "ontwikkeld door ons IBM-onderzoekslaboratorium in Kenia. EZ Buddy laat zien hoe lokale weergegevens kunnen worden gebruikt met lokale irrigatiebewaking en -regeling om boeren te helpen hun gewaswater te optimaliseren. ”Boeren sms'en het systeem vanaf hun mobiele telefoons en stellen vragen als 'Wanneer moet ik water geven?' en 'Hoe lang duurt het voordat mijn watertanks worden bijgevuld door regen?', en het systeem stuurt de antwoorden. Eenmaal uitgebreid buiten Oost-Afrika, zal WIoT (Watson IoT) alle weerstations van de WU samenvoegen met relevante satellietgegevens, gegevens van druksensoren van mobiele telefoons optillen en combineren met lokale informatie, zoals bodemmetingen en waterreserves in de buurt, om zijn weermodellen zowel wereldwijd als lokaal. Boeren kunnen het gebruiken om hun irrigatie, plantseizoen en bestrijdingsschema's te beheren. "Het zal aantonen hoe commerciële belangen zoals verzekeraars, commerciële landbouwbelangen en slimmere steden commerciële systemen kunnen bouwen die hyperlokale weergegevens combineren met cognitieve IoT, " voegt Cohn toe.
Lijnvliegtuigen verzamelen al turbulentierapporten via versnellingsmeters aan boord en voegen de gegevens samen via The Weather Company. Volgens het 2016-rapport van het bedrijf veroorzaakt turbulentie $ 5 miljoen per jaar aan schade, $ 35 miljoen per jaar aan verwondingen van bemanningsleden en passagiers, en $ 1, 36 miljard per jaar aan vluchtomleidingen. WIoT zal de turbulentiegegevens van al deze commerciële vliegtuigen in het wereldwijde weermodel koppelen, en een voorspellingssysteem bouwen dat alle luchtvaartmaatschappijen via dat API-portaal kunnen bereiken. Hiermee kunnen piloten manoeuvreren rond stormen en kunnen computersystemen van luchtvaartmaatschappijen de voorspelde aankomst- en vertrektijden aanpassen.
Een persoonlijk weerstation geïnstalleerd aan de kust (Weather Underground) Ruw weer veroorzaakt jaarlijks $ 500 miljard schade in de VS, volgens een recente presentatie van The Weather Company over de verzekeringssector. “(WIoT's) aanvullende gegevenssets helpen ons ook om risico's met verbeterde nauwkeurigheid te voorspellen, het aantal ingediende claims te verminderen en verzekeringsmaatschappijen te helpen fraude te markeren, ” zegt Glackin. Verzekeringsmaatschappijen kunnen klanten waarschuwen voor het naderen van hagel en sneeuwstormen, zodat ze hun huizen en auto's kunnen voorbereiden, waardoor schade (en dus claims) tot een minimum wordt beperkt. Openbare nutsbedrijven slikken ook veel verliezen door zwaar weer die ze niet altijd lang van tevoren kunnen voorspellen. Volgens de Big Data and Analytics Hub van IBM is zeventig procent van de stroomuitval het gevolg van slecht weer en elke keer dat een energiebedrijf een team uitzendt om diensten te herstellen, kost het gemiddeld $ 500.000. Met behulp van het WIoT-weermodel via de API kunnen nutsbedrijven proactief zijn en apparatuur repareren vóór grote stormen, zodat reparatieteams sneller kunnen intrekken om de services te herstellen.
Een man installeert een persoonlijk weerstation. (Ondergronds weer) En dan zijn er, zoals Cohn zegt, andere industrieën waarschijnlijk toegang tot het weermodel om hun verzending te plannen rond voorspelde plekken met ruw weer om dure vertragingen te voorkomen. Automobiel- en detailhandelbedrijven die afgewerkte goederen zoals personenauto's en T-shirts per vrachtschip over oceanen verplaatsen, kunnen bijvoorbeeld profiteren.
"Het meest opwindende is dat we geloven dat Watson ons kan helpen onze kennis over de atmosfeer uit te breiden", zegt Glackin. "Om bijvoorbeeld onze voorspellingen voor twee weken en daarna te verbeteren, zou cognitieve informatica alle achtergrondkennis kunnen verwerken en vervolgens naar historische en actuele gegevens kijken om ons te helpen voorspellende patronen te kiezen die we niet hebben herkend met traditionele benaderingen."
Daar ga je dan. Vijftig jaar geleden konden we niets voorspellen en vandaag zeggen ze dat AI binnenkort over twee weken kan beginnen met het maken van goed opgeleide weersvoorspellingen. In principe magie.
