شکار قرارداد ۵۰ میلیون دلاری پنتاگون توسط ویندبورن؛ پیش‌بینی آب‌وهوا با بالن‌های هوشمند و یادگیری عمیق

نیروی هوایی ایالات متحده در چارچوب یک قرارداد تازه که ارزش آن می‌تواند به نزدیک ۵۰ میلیون دلار برسد، داده‌های جوی جمع‌آوری‌شده توسط ناوگان بالن‌های هواشناسی خودران استارتاپ ویندبورن سیستمز (WindBorne Systems) را خریداری خواهد کرد.

ویندبورن در حال حاضر حدود ۷۰۰ بالن هواشناسی فعال در سراسر کره زمین دارد که به طور مداوم داده‌های سنسورهای جوی را ثبت می‌کنند. این شرکت علاوه بر فروش داده‌ها به مشتریان مختلف، آن‌ها را مستقیماً به مدل هوش مصنوعی اختصاصی خود برای پیش‌بینی وضعیت آب‌وهوا تزریق می‌کند. ویندبورن که در سال ۲۰۱۵ راه‌اندازی شده و دفتر مرکزی آن در ردوود سیتی کالیفرنیا قرار دارد، از نخستین مجموعه‌هایی است که داده‌های تجربی واقعی را به طور مستقیم وارد مدل‌های یادگیری عمیق هواشناسی کرده است.

این استارتاپ پیش از این هم همکاری نزدیکی با دولت آمریکا، به‌ویژه سرویس ملی هواشناسی و همچنین نیروی هوایی و دریایی این کشور داشته است، اما قرارداد اخیر بزرگ‌ترین معامله تاریخ این شرکت به حساب می‌آید. سقف ارزش این قرارداد تا ۴۹ میلیون دلار تعیین شده، هرچند پرداخت‌های نیروی هوایی بر اساس نیاز مقطعی به داده‌ها انجام می‌شود؛ به این معنا که ارتش می‌تواند برای مناطق و زمان‌های مشخصی سفارش ثبت کند. تا این لحظه، سفارش‌هایی به ارزش ۱.۷ میلیون دلار ثبت شده و مدیران شرکت انتظار دارند حجم سفارش‌ها به زودی رشد چشمگیری داشته باشد.

آندری سوشکو (Andrey Sushko)، هم‌بنیان‌گذار و مدیر ارشد فناوری ویندبورن، در گفت‌وگویی پیرامون این همکاری توضیح داد: «این قرارداد بستری عالی برای حمایت از گسترش ناوگان بالن‌های ما و پیشبرد پروژه‌های تحقیق و توسعه جهت ارتقای سخت‌افزار و کارایی آن‌هاست.» او همچنین اشاره کرد که این قرارداد بدون مناقصه عمومی به آن‌ها واگذار شده و این موضوع نشان می‌دهد دولت به این جمع‌بندی رسیده که در زمینه جمع‌آوری داده‌های جهانی اتمسفر، ویندبورن تنها شرکتی است که می‌تواند نیازهای عملیاتی آن‌ها را برطرف سازد.

جان دین (John Dean)، مدیرعامل ویندبورن، چندی پیش اعلام کرده بود که این استارتاپ یک راند جذب سرمایه سری B به ارزش ۳۷ میلیون دلار را برای گسترش مقیاس تجاری خود تکمیل کرده است. علاوه بر این، ویندبورن نسخه تازه‌ای از مدل پیش‌بینی آب‌وهوای خود به نام WeatherMesh 6 را منتشر کرد؛ مدلی که طبق اعلام سازندگان و بنچمارک‌های ارائه‌شده در وبسایتشان، عملکرد دقیق‌تری نسبت به مدل‌های کلاسیک و فیزیکی مرکز پیش‌بینی آب‌وهوای میان‌مدت اروپا (ECMWF) به نمایش می‌گذارد.

از زمان ظهور معماری مدل‌های ترنسفورمر (Transformer) و انتشار مجموعه داده‌های عظیم هواشناسی توسط ECMWF در سال‌های اخیر، پیش‌بینی آب‌وهوا مبتنی بر هوش مصنوعی به یکی از پربازده‌ترین کاربردهای یادگیری عمیق تبدیل شده است. پیش‌تر متخصصان هواشناسی ناچار بودند به ابررایانه‌های فوق‌العاده گران‌قیمتی تکیه کنند که معادلات پیچیده فیزیکی را برای شبیه‌سازی جو حل می‌کردند. اما امروزه مدل‌های یادگیری سرتاسری (End-to-End) می‌توانند دهه‌ها داده اقلیمی را بلعیده و پیش‌بینی‌ها را با سرعتی باورنکردنی تحویل دهند.

مدل‌های ساخته‌شده توسط آزمایشگاه‌های پیشرو و سازمان‌های دولتی نشان داده‌اند که در بسیاری از شاخص‌ها دقت بسیار بالاتری در مقایسه با پیش‌بینی‌های سنتی دارند؛ اگرچه این حوزه هنوز چالش‌های خاص خود را دارد و برای درک جامع وضعیت جوی همچنان به تلفیق هر دو روش نیاز است. مدل هواشناسی جدید گوگل دیپ‌مایند (Google DeepMind) نیز قابلیت‌های مهمی معرفی کرده و ابزار‌های پیش‌بینی توفان آن به یکی از ارکان اصلی دولت آمریکا برای مواجهه با فصل توفان‌ها و طوفان‌های اقیانوسی بدل شده است.

در اواخر تابستان، ویندبورن به نخستین مجموعه‌ای در جهان تبدیل شد که توانست یک سیستم پروازی بدون موتور را با موفقیت برای گردآوری داده به درون چشم یک توفان سهمگین هدایت کند. این شرکت بالن‌های خود را از طریق تنظیم دقیق ارتفاع، تخلیه کنترل‌شده هوا یا رهاسازی کیسه‌های شن به عنوان وزنه تعادل هدایت می‌کند تا آن‌ها را درست در مسیر بادهایی قرار دهد که بالن را به مقصد دلخواه می‌رسانند.

سوشکو در این باره می‌گوید: «این یک گام فوق‌العاده نوآورانه است که دو پیش‌شرط اساسی دارد: اول، داشتن مدل‌های بادی و اقلیمی قدرتمند و تسلط بر نحوه مسیریابی در آن‌ها، و دوم، داشتن ناوگانی آن‌قدر وسیع که همواره بالن‌هایی در موقعیت‌های مناسب داشته باشید. این یکی از معدود دفعاتی است که یک مدل یادگیری عمیق مستقیماً برای تصمیم‌گیری‌های عملیاتی در دنیای واقعی به کار گرفته می‌شود.»