دید روشن Brightband برای پیش‌بینی هوا با هوش مصنوعی و منبع باز
با انفجار داده‌های آب و هوا و تغییراتی که ابزارهای نسل قبلی قادر به مدیریت آن‌ها نیستند، آیا هوش مصنوعی آینده پیش‌بینی هوا است؟
تحقیقات مطمئناً این طور نشان می‌دهند و یک استارتاپ تازه تأمین مالی شده به نام Brightband در حال تلاش برای تبدیل مدل‌های پیش‌بینی یادگیری ماشینی به هم یک تجارت و هم یک استاندارد منبع باز است.
تکنیک‌های پیش‌بینی هوا و نظارت بر آب و هوا در حال حاضر بر اساس مدل‌های آماری و عددی هستند که چند دهه از عمر آن‌ها می‌گذرد. این به این معنا نیست که آن‌ها بد یا نادرست هستند، بلکه فقط کارآمد نیستند. این مدل‌های مبتنی بر فیزیک نوعی مدلی هستند که برای استفاده از آن‌ها باید چند هفته روی یک ابررایانه صرف کنید.
اما هوش مصنوعی توانایی تشخیص الگوها در مجموعه‌های بزرگ داده را دارد و تحقیقات نشان داده‌اند که وقتی هوش مصنوعی بر اساس سال‌ها الگوها و مشاهدات آب و هوا در سراسر جهان آموزش می‌بیند، می‌تواند وقایع آینده را با دقت شگفت‌آوری پیش‌بینی کند.
پس چرا این تکنولوژی گسترده‌تر استفاده نمی‌شود؟
«دلیل این خلأ این است که دولت‌ها و شرکت‌های آب و هوایی برای جذب بهترین استعدادها مشکل دارند، در حالی که برای این شرکت‌های فناوری، آب و هوا صنعت اصلی آن‌ها نیست. آن‌ها عمیقاً وارد این حوزه نمی‌شوند تا ابزارهای لازم را به بازیگران این عرصه ارائه دهند،» جولیان گرین، مدیر عامل و هم‌بنیانگذار Brightband توضیح داد. «ما فکر می‌کنیم یک استارتاپ می‌تواند بهترین افراد در زمینه هوش مصنوعی، داده‌ها و آب و هوا را با هم جمع کند. یک فرصت واقعی برای عملیاتی کردن هوش مصنوعی و در دسترس قراردادن آن برای همه وجود دارد.»
این استارتاپ در حال طراحی مدل خود است که بر اساس داده‌های چندین ساله مشاهدات جوی آموزش دیده است، اما دانیل روتنبرگ، هم‌بنیانگذار و رئیس بخش داده و آب و هوا، سریعاً اشاره کرد که آن‌ها «روی شانه‌های غول‌ها ایستاده‌اند.»
«مدل‌های بزرگ مبتنی بر فیزیک، غول‌آسا هستند،» او گفت. «اما هوش مصنوعی بهره‌برنده از این مدل‌ها است - اولین گام استفاده از آن‌ها بود و ما پی بردیم که این مدل‌ها واقعاً می‌توانند الگوها را یاد بگیرند. ما روی آن‌ها کار می‌کنیم و آن را توسعه می‌دهیم. ما به دنبال دستیابی به تکنولوژی روز هستیم: به‌خوبی یا بهتر از پیش‌بینی‌های جوی جهانی موجود.
همچنین، به گفته گرین، این فناوری به مراتب سریع‌تر خواهد بود. «این تقریباً هسته‌ای برای ناگهانی‌سازی: سریع‌تر و ارزان‌تر است و آن را برای موارد استفاده سفارشی و سریع‌تر مناسب می‌کند.»
گرین ادامه داد: «مردم نیازهای بسیار خاصی در صنایع مختلف دارند. شرکت‌های انرژی نیاز دارند پیش‌بینی کنند که منابع تجدیدپذیر از باد و خورشید چقدر تأمین خواهد شد و تقاضا برای گرمایش و سرمایش چقدر خواهد بود؛ شرکت‌های حمل و نقل نیاز دارند از آب و هوای شدید اجتناب کنند؛ کشاورزی نیاز دارد هفته‌ها پیش‌بینی کند تا بتواند افراد را برای کاشت، آبیاری، کوددهی یا برداشت برنامه‌ریزی کند.»
به طور جالب، این شرکت به انتشار مدل‌های خود برای استفاده عمومی تعهد داده است.
گرین گفت: «هدف ما این است که قابلیت اصلی پیش‌بینی را منبع باز کنیم، نه تنها مدل بلکه داده‌هایی که برای آموزش آن استفاده می‌کنید و معیارهایی که برای ارزیابی آن استفاده می‌کنید. مدل کسب و کار ما این است که روی آن سرویس‌های پولی برای قابلیت‌های خاص‌تر را قرار دهیم.»
بخشی از این کار به معنای شامل کردن (و پردازش و انتشار) بسیاری از داده‌هایی است که در پلتفرم‌های پیش‌پردازش شده جا افتاده‌اند.
روتنبرگ گفت: «داده‌های تاریخی از بالن‌های جوی و ماهواره‌ها به پتابایت‌ها می‌رسد که به دلیل کار با آن‌ها سخت، نادیده گرفته شده‌اند،» اما مثل بسیاری از مدل‌های هوش مصنوعی، هر چه داده‌ها بیشتر باشد بهتر است و یک تنوع به‌خوبی مدیریت شده می‌تواند کیفیت خروجی آن‌ها را به طور قابل توجهی بهبود بخشد. «ما واقعاً معتقدیم که ساخت یک جامعه پیرامون این موضوع می‌تواند کارهایی را که می‌توانیم برای درک اتمسفر انجام دهیم و آن را به طور گسترده‌ای انجام دهیم، تسریع کند.»
من پیشنهاد دادم که این به نظر می‌رسد که آن‌ها کاری را انجام می‌دهند که سرویس ملی آب و هوا (که مقدار زیادی داده‌های مشاهده‌ای و پیش‌بینی‌ها را به عنوان یک سرویس عمومی رایگان در اختیار قرار می‌دهد) و سایر آژانس‌ها انجام می‌دهند اگر می‌توانستند.
گرین تأکید کرد که آن‌ها با این آژانس‌ها همکاری نزدیک دارند و آن‌ها در واقع نگهبان خزانه‌ای از داده‌های مهم هستند - به سادگی این نوع داده‌های سریع و قابل حملی که یک شرکت مصرف‌کننده با پاسخ‌دهی سریع نیاز دارد، نیستند. او گفت که آن‌ها این موضوع را ادامه همکاری بین‌المللی در داده‌های آب و هوا می‌بینند.
در مورد اینکه در حال حاضر در کجای ساخت محصول قرار دارند: «نسبتاً زود است،» گرین اعتراف کرد. «ما چند ماه است که روی این کار می‌کنیم، هیچ چیزی در حال حاضر زنده نیست اما امیدواریم تا پایان سال ۲۰۲۵ مدلی داشته باشیم که مشاهدات [یعنی تصاویر ماهواره‌ای یا رادار محلی] را بگیرد و پیش‌بینی برای آن‌ها تولید کند.»
Brightband به عنوان یک شرکت عمومی انتفاعی ساختار یافته است، اما گرین گفت که این «عمدتاً نشانهگذاری است». «ما در تلاشیم تا مأموریت خود را به طور شفاف بیان کنیم، هدف خود را تعیین کنیم و بگوییم ‘این است آنچه ما علاقه‌مند به انجام آن هستیم.’ من فکر می‌کنم ۱۰ میلیون دلاری که جمع‌آوری کردیم گواه آن است که ما قادر به جذب سرمایه هستیم.»
یک شرکتی مانند PBC در این مورد اساساً به این معنا است که هیئت مدیره باید منافع سهامداران را با مأموریت تعیین شده در شرایط خاص متعادل کند، اما محدود به سوددهی یا چیزی مانند آن نیست.
منتظر محصولی مرتبط با آب و هوا قبل از یک محصول مرتبط با آب و هوا باشید، اما هیچ یک از آن‌ها جدول زمانی سختی ندارد جز برای نمایش و به‌روزرسانی در پایان سال.
Brightband دور سرمایه گذاری سری A خود را به مبلغ ۱۰ میلیون دلار را با هدایت Prelude Ventures، و با مشارکت Starshot Capital، Garage Capital، Future Back Ventures، Preston-Werner Ventures، CLAI Ventures، Adrien Treuille، و Cal Henderson به پایان رساند.
