نیروی هوایی آمریکا قرار است داده‌های گردآوری‌شده به‌وسیله ناوگان بالن‌های هواشناسی خودران WindBorne Systems را بر اساس قراردادی تازه خریداری کند؛ قراردادی که می‌تواند ارزشی نزدیک به ۵۰ میلیون دلار برای این استارتاپ داشته باشد.

WindBorne در حال حاضر حدود ۷۰۰ بالن هواشناسی در سراسر جهان به پرواز درآورده است که داده‌های حسگرهای جوی را جمع‌آوری می‌کنند. این شرکت داده‌ها را به مشتریان می‌فروشد و هم‌زمان از آن‌ها در مدل پیش‌بینی آب‌وهوای مبتنی بر هوش مصنوعی خود استفاده می‌کند. WindBorne که در سال ۲۰۱۵ تأسیس شده و در ردوود سیتیِ کالیفرنیا مستقر است، یکی از نخستین سازمان‌هایی است که داده‌های تجربی را مستقیماً وارد یک مدل آب‌وهوایی مبتنی بر یادگیری عمیق می‌کند.

این شرکت همکاری نزدیکی با دولت آمریکا، به‌ویژه سازمان ملی هواشناسی و نیروی هوایی و نیروی دریایی آمریکا، داشته است؛ اما این بزرگ‌ترین قراردادی است که تاکنون در آن مشارکت کرده است. ارزش این قرارداد حداکثر ۴۹ میلیون دلار است، اما نیروی هوایی فقط در صورت نیاز به داده‌ها هزینه پرداخت می‌کند و می‌تواند برای مناطق مشخص و در زمان‌های معین سفارش ثبت کند. تاکنون سفارش‌هایی به ارزش ۱٫۷ میلیون دلار ثبت کرده و مدیران شرکت انتظار دارند سفارش‌های بیشتری نیز در پی آن برسد.

آندری سوشکو، هم‌بنیان‌گذار و مدیر ارشد فناوری WindBorne، به TechCrunch گفت: «این قرارداد عمدتاً سازوکاری است که از طریق آن می‌توان به گسترش مداوم این منظومه کمک کرد و همچنین بخشی از آن را به تحقیق‌وتوسعه برای بهبود بیشتر سخت‌افزار و عملکرد بالن‌ها اختصاص داد.» او اضافه کرد این قرارداد که بدون مناقصه رقابتی واگذار شده، «نشان‌دهنده این ارزیابی دولت است که برای این قابلیتِ گردآوری داده‌های جهانی، تنها شرکتی بودیم که می‌توانست آن را به شکلی ارائه کند که نیازهای این عملیات را برآورده سازد.»

جان دین، مدیرعامل WindBorne، در ماه اوت به TechCrunch گفت که این شرکت دور سرمایه‌گذاری سری B به ارزش ۳۷ میلیون دلار جذب کرده تا به گسترش کسب‌وکارش ادامه دهد. این شرکت اوایل تابستان امسال آخرین نسخه مدل پیش‌بینی خود، WeatherMesh 6، را منتشر کرد؛ مدلی که به گفته این شرکت پیش‌بینی‌های دقیق‌تری از مدل سنتی مرکز اروپایی پیش‌بینی میان‌مدت وضع هوا (ECMWF) ارائه می‌دهد؛ مدلی که با استفاده از قوانین فیزیک، جو را شبیه‌سازی می‌کند.

از زمان ظهور معماری‌های مدل ترنسفورمر و انتشار مجموعه‌داده عظیم هواشناسی از سوی ECMWF در چند سال پیش، پیش‌بینی آب‌وهوا با هوش مصنوعی به یکی از کاربردهای پربازده‌تر فناوری یادگیری عمیق تبدیل شده است. هواشناسان پیش‌تر به ابررایانه‌های گران‌قیمتی متکی بودند که معادلات مفصلی را اجرا می‌کردند تا رفتار جو را تقریب بزنند. اکنون یادگیری سرتاسری می‌تواند دهه‌ها داده هواشناسی را دریافت کند و پیش‌بینی‌ها را سریع‌تر ارائه دهد.

مدل‌هایی که آزمایشگاه‌های پیشرو و نهادهای دولتی ساخته‌اند، دقیق‌تر از پیش‌بینی‌های سنتی هستند؛ هرچند پیشرفت در این حوزه هنوز نامتوازن است و برای دستیابی به درکی مفید از وضعیت آب‌وهوا، به هر دو نوع پیش‌بینی نیاز است. جدیدترین مدل آب‌وهوایی Google DeepMind قابلیت‌های مهم تازه‌ای ارائه می‌دهد و ابزارهای پیش‌بینی سیکلون آن نیز در نحوه واکنش دولت آمریکا به فصل توفندها اهمیت فزاینده‌ای پیدا می‌کنند.

WindBorne در ماه اوت به نخستین سازمانی تبدیل شد که یک سامانه پروازی بدون نیروی محرکه ــ یعنی بدون موتور ــ را برای جمع‌آوری داده به چشم یک توفان گرمسیری فرستاد. این شرکت با تنظیم ارتفاع بالن‌ها، تخلیه هوا یا رها کردن شن‌هایی که به‌عنوان وزنه تعادل حمل می‌کنند، مسیر آن‌ها را تغییر می‌دهد تا بالن‌ها وارد بادهایی شوند که آن‌ها را به مقصد مورد نظر می‌برند.

سوشکو گفت: «این گامی کاملاً نوآورانه است و برای آن دو مؤلفه لازم داریم: نخست، مدل‌های خوب باد و آب‌وهوا و دانستن نحوه مسیریابی بر اساس آن‌ها؛ و دوم، منظومه‌ای به‌اندازه کافی بزرگ که بالن‌ها در مکان‌های مناسب حضور داشته باشند.» او افزود: «این یکی از نخستین دفعاتی است که از یک مدل یادگیری عمیق برای تصمیم‌گیری‌های عملیاتی واقعی استفاده شده است.»