Weather Underground realiza pronósticos meteorológicos basados en más de 200, 000 estaciones meteorológicas construidas de forma privada en todo el mundo, más estaciones públicas, que varían en número según el país. La compañía está agregando 400 nuevas estaciones en Asia, América del Sur y África, y las integrará todas con la inteligencia artificial de aprendizaje de idiomas Watson de IBM (¡la que jugó Jeopardy! Y ganó) .
contenido relacionado
- Cómo la Primera Guerra Mundial cambió el pronóstico del tiempo para bien
Entonces, ¿qué significa esto exactamente? Está creando un sistema de pronóstico del tiempo global vinculado a una serie de negocios mundiales, y con eso, la esperanza de superar una de las variables más costosas y perjudiciales en la industria global: el clima.
Cuando IBM compró The Weather Company / WU en octubre pasado, anunció de inmediato su intención de fusionar las 200, 000 estaciones meteorológicas de WU con Watson a través de Internet of Things. IoT no es un lenguaje específico, sino el concepto de unir muchas cosas diferentes en un mismo idioma para que todos sus datos puedan compilarse y presentarse juntos. Cualquiera que sea el protocolo, la predicción del clima vale mucho dinero para las compañías globales.
"Solo en los EE. UU., Sabemos que las empresas pierden más de $ 500 mil millones debido a problemas relacionados con el clima cada año", dice Mary Glackin, directora de operaciones de pronóstico científico de The Weather Company. IBM y The Weather Company ven a las industrias de aviación, seguros, servicios públicos y agricultura como los primeros en adoptar la herramienta de pronóstico meteorológico infundida por Watson de WU.
"Se puede acceder a todos los datos de The Weather Company utilizando una interfaz de programación de aplicaciones (API) simple publicada", dice John Cohn, miembro de IBM y científico jefe de automatización de diseño. Piense en una API como un conjunto de instrucciones para construir una pieza de software. Es flexible porque la compañía del usuario final puede elegir cómo se verá el software. Desde este portal digital, sus empleados accederán a los datos extraídos de las estaciones meteorológicas y los dispositivos conectados a IoT, y Watson los une al permitirles hacer preguntas de la misma manera que una persona hace a otra persona.
Este mapa muestra la cobertura global de las estaciones meteorológicas personales de Weather Underground. (Clima subterráneo) "Nuestra demostración inicial, que ya está en línea y funcionando, es en torno a un proyecto llamado EZ Buddy", dice Cohn, "desarrollado por nuestro laboratorio de investigación de IBM en Kenia. EZ Buddy demuestra cómo se pueden usar los datos meteorológicos locales con el monitoreo y el control del riego local para ayudar a los agricultores a optimizar el riego de sus cultivos. y '¿Cuánto tiempo hasta que la lluvia vuelva a llenar mis tanques de agua?', y el sistema les envía mensajes de texto con respuestas. Una vez expandido más allá de África Oriental, WIoT (Watson IoT) fusionará todas las estaciones meteorológicas de WU con datos satelitales relevantes, levantará datos de los sensores de presión de los teléfonos celulares y los combinará con información local, como mediciones de suelo y almacenes de agua cercanos, para agudizar su modelos meteorológicos tanto a nivel mundial como local. Los agricultores pueden usarlo para administrar su riego, temporadas de siembra y programas de pesticidas. "Demostrará cómo los intereses comerciales, como las aseguradoras, los intereses de la agricultura comercial y las ciudades más inteligentes, pueden construir sistemas comerciales que combinen datos climáticos hiperlocales con IoT cognitiva", agrega Cohn.
Los aviones ya recopilan informes de turbulencia a través de acelerómetros integrados y fusionan los datos a través de The Weather Company. Según el informe de 2016 de la compañía, las turbulencias causan daños por $ 5 millones al año, $ 35 millones al año en lesiones de la tripulación y los pasajeros, y $ 1.36 mil millones al año en desvíos de vuelos. WIoT vinculará en el modelo meteorológico global los datos de turbulencia de todos estos aviones comerciales, creando un sistema de pronóstico al que todas las aerolíneas pueden acceder a través de ese portal API. Con él, los pilotos pueden maniobrar alrededor de las tormentas, y los sistemas informáticos de las aerolíneas pueden ajustar los tiempos de llegada y salida previstos.
Una estación meteorológica personal instalada en la costa (Weather Underground) El mal tiempo causa daños por $ 500 mil millones en los Estados Unidos cada año, según una presentación reciente sobre la industria de seguros de The Weather Company. "Los conjuntos de datos adicionales (de WIoT) también nos ayudarán a predecir el riesgo con mayor precisión, reducir la cantidad de reclamos presentados, al tiempo que ayudan a las compañías de seguros a señalar el fraude", dice Glackin. Las compañías de seguros podrían advertir a los clientes de que se acercan granizo y tormentas de nieve para que puedan preparar sus casas y automóviles, minimizando los daños (y, por lo tanto, las reclamaciones). Los servicios públicos también se tragan muchas pérdidas por el mal tiempo que no siempre pueden predecir con mucha anticipación. Según el Big Data and Analytics Hub de IBM, el setenta por ciento de los cortes de energía se deben al mal tiempo, y cada vez que una compañía de energía envía un equipo para restaurar los servicios, cuesta un promedio de $ 500, 000. Al usar el modelo de clima WIoT a través de la API, las compañías de servicios públicos pueden ser proactivas y organizar el equipo de reparación antes de las tormentas importantes para que los equipos de reparación puedan moverse más rápidamente para restaurar los servicios.
Un hombre instala una estación meteorológica personal. (Clima subterráneo) Y luego, como dice Cohn, es probable que otras industrias accedan al modelo meteorológico para programar su envío en torno a parches pronosticados de mal tiempo para evitar retrasos costosos. Las compañías automotrices y minoristas que mueven productos terminados como automóviles de pasajeros y camisetas por carguero a través de los océanos, por ejemplo, podrían aprovechar.
"Lo más emocionante es que creemos que Watson puede ayudarnos a expandir nuestra base de conocimientos sobre la atmósfera", dice Glackin. "Por ejemplo, para mejorar nuestras previsiones durante dos semanas y más, la computación cognitiva podría asimilar todo el conocimiento de fondo y luego observar una gran cantidad de datos históricos y actuales para ayudarnos a elegir patrones predictivos que no hemos reconocido con los enfoques tradicionales".
Ahí vas. Hace cincuenta años no podíamos predecir mucho, y hoy dicen que pronto la IA puede comenzar a hacer pronósticos meteorológicos informados dentro de dos semanas. Básicamente magia.
