La Fuerza Aérea de Estados Unidos adquirirá datos recopilados por la flota de globos meteorológicos autónomos de WindBorne Systems bajo un nuevo contrato que podría alcanzar un valor cercano a los 49 millones de dólares para la startup.
Actualmente, WindBorne opera alrededor de 700 globos meteorológicos en todo el mundo, los cuales recogen datos de sensores atmosféricos que la empresa vende a sus clientes y también integra en su propio modelo de pronóstico meteorológico basado en inteligencia artificial. Fundada en 2015 y con sede en Redwood City, California, WindBorne es una de las primeras organizaciones en alimentar directamente datos empíricos a un modelo de aprendizaje profundo para el clima.
La compañía ha colaborado estrechamente con el gobierno estadounidense, en particular con el Servicio Meteorológico Nacional y las fuerzas armadas, incluyendo la Fuerza Aérea y la Marina. Sin embargo, este es el contrato más grande en el que ha participado hasta ahora. El acuerdo tiene un valor máximo de 49 millones de dólares, aunque la Fuerza Aérea solo paga conforme requiere los datos. Puede realizar pedidos para regiones y momentos específicos. Hasta el momento, ha solicitado datos por un valor de 1.7 millones de dólares, y los ejecutivos esperan que se realicen más pedidos.
Andrey Sushko, cofundador y director de tecnología de WindBorne, señaló que este contrato es principalmente un medio para apoyar el crecimiento continuo de la constelación de globos, así como para financiar investigaciones y desarrollos que mejoren el hardware y el rendimiento de estos dispositivos. Añadió que el contrato, otorgado sin licitación competitiva, representa la determinación del gobierno de que WindBorne era la única empresa capaz de proporcionar esta capacidad de recolección global de datos de la manera que satisfacía sus necesidades operativas.
John Dean, director general de WindBorne, informó en agosto que la empresa había recaudado 37 millones de dólares en una ronda de financiamiento Serie B para continuar ampliando su negocio. A principios de este verano, la compañía lanzó la versión más reciente de su modelo de pronóstico, WeatherMesh 6, que según ellos ofrece pronósticos más precisos que el modelo tradicional del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ECMWF), que simula la atmósfera utilizando leyes físicas.
Desde la llegada de las arquitecturas de modelos transformadores y la publicación de un gran conjunto de datos meteorológicos por parte del ECMWF hace algunos años, los pronósticos meteorológicos basados en inteligencia artificial se han convertido en uno de los usos más productivos de la tecnología de aprendizaje profundo. Anteriormente, los meteorólogos dependían de supercomputadoras costosas que ejecutaban ecuaciones detalladas para aproximar el comportamiento atmosférico. Ahora, los modelos de aprendizaje de extremo a extremo pueden procesar décadas de datos climáticos y emitir predicciones más rápidamente.
Los modelos desarrollados por laboratorios de vanguardia y agencias gubernamentales están demostrando ser más precisos que los pronósticos tradicionales, aunque este campo todavía es incipiente y ambos tipos de pronósticos son necesarios para entender el clima de manera útil. El último modelo meteorológico de Google DeepMind ofrece capacidades importantes y sus herramientas para pronosticar ciclones se están volviendo centrales en la respuesta del gobierno estadounidense a la temporada de huracanes.
En agosto, WindBorne se convirtió en la primera organización en enviar un sistema de vuelo no motorizado para recopilar datos en el ojo de un tifón. La empresa controla sus globos ajustando la altitud, liberando aire o soltando arena como lastre para dirigirlos hacia los vientos que los llevan a los lugares necesarios.
Sushko explicó que este es un paso novedoso que requiere, primero, buenos modelos de viento y clima y saber cómo navegar con ellos, y segundo, contar con una constelación lo suficientemente grande para tener globos en los lugares adecuados. Señaló que es una de las primeras veces que un modelo de aprendizaje profundo se usa para tomar decisiones operativas reales.
Datos basados en información reportada originalmente por techcrunch.com.
Deja un comentario