Weather Underground tekee sääennusteita, jotka perustuvat yli 200 000 yksityisesti rakennettuun sääasemaan ympäri maailmaa, sekä julkisiin asemiin, joiden lukumäärä vaihtelee maittain. Yhtiö lisää 400 uutta asemaa Aasiaan, Etelä-Amerikkaan ja Afrikkaan, ja se integroi ne kaikki IBM: n Watsonin kieltenoppimiseen AI (joka pelasi Jeopardiaa! Ja voitti) .
Asiaan liittyvä sisältö
- Kuinka ensimmäinen maailmansota muutti sääennustetta hyväksi
Mitä tämä tarkalleen tarkoittaa? Se on luomassa maailmanlaajuista sääennustejärjestelmää, joka on sidottu useisiin maailmanlaajuisiin yrityksiin, ja sen avulla toivoa voittaa yli yhden maailman teollisuuden kalleimmista ja vahingollisimmista muuttujista - sää.
Kun IBM osti The Weather Company / WU: n viime lokakuussa, se ilmoitti heti aikomuksestaan yhdistää WU: n 200 000 sääasemaa Watsoniin esineiden Internetin kautta. IoT ei ole tietty kieli, vaan pikemminkin käsite monien eri asioiden yhdistämisestä yhdellä kielellä, jotta kaikki heidän tietonsa voidaan koota ja esitellä yhdessä. Protokollasta riippumatta sääennuste on maailman rahalle arvoinen iso raha.
"Pelkästään Yhdysvalloissa tiedämme, että yritykset menettävät yli 500 miljardia dollaria säästä johtuvien asioiden vuoksi vuosittain", sanoo The Weather Company -yrityksen tiedeennustetoiminnan johtaja Mary Glackin. IBM ja The Weather Company näkevät ilmailun, vakuutuksen, yleishyödyllisten ja maatalouden alojen WU: n Watson-infusoidun sääennustetyökalun varhaisina käyttäjinä.
"Kaikkiin Weather Company -yrityksen tietoihin pääsee yksinkertaisella julkaistulla sovellusohjelmointirajapinnalla (API)", sanoo John Cohn, IBM: n työtoveri ja suunnittelun automatisoinnin päätutkija. Ajattele sovellusliittymää sovellusohjelmakokonaisuuden osana ohjelmistoa. Se on joustava siinä mielessä, että loppukäyttäjäyritys voi valita, miltä ohjelmisto näyttää. Tästä digitaalisesta portaalista työntekijät pääsevät pääsemään sääasemilta ja Internet-yhteyden kautta kytketyiltä laitteilta kerättyihin tietoihin, ja Watson yhdistää sen toisiinsa antamalla heille mahdollisuuden esittää kysymyksiä tavalla, jolla henkilö kysyy toista henkilöä.
Tämä kartta näyttää Weather Undergroundin henkilökohtaisten sääasemien kattavuuden maailmanlaajuisesti. (Sää maanalainen) ”Alkuinen demonstraatiomme, joka on jo verkossa ja toimii, on EZ Buddy -nimisen projektin ympärillä”, Cohn sanoo, “jonka Kenian IBM-tutkimuslaboratorio on kehittänyt. EZ Buddy osoittaa, kuinka paikallista säätietoa voidaan käyttää paikallisessa kasteluvalvonnassa ja -hallinnassa viljelijöiden optimoimiseksi kasvien kasteluun. "Viljelijät kirjoittavat järjestelmän matkapuhelimistaan ja kysyvät esimerkiksi" Milloin minun pitäisi kastaa? " ja 'Kuinka kauan kunnes vesisäiliöitäni täyttyy sateelta?', ja järjestelmäteksteihin ne vastaavat. Laajennettuaan Itä-Afrikan ulkopuolelle, WIoT (Watson IoT) yhdistää kaikki WU: n sääasemat asiaankuuluvilla satelliittitiedoilla, nostaa tietoja matkapuhelimien paineantureista ja yhdistää sen paikallisiin tietoihin, kuten maaperän mittauksiin ja läheisiin vesikauppoihin, terävöittääkseen sitä säämallit sekä globaalisti että paikallisesti. Viljelijät voivat käyttää sitä kastelu-, istutuskausien ja torjunta-aineiden aikataulujensa hallintaan. "Se osoittaa, kuinka kaupalliset edut, kuten vakuuttajat, kaupalliset maatalouden edut ja älykkäämmät kaupungit, voivat rakentaa kaupallisia järjestelmiä, joissa yhdistyvät hyperlokaalinen säätieto kognitiiviseen internettiin", Cohn lisää.
Lentoyhtiöt keräävät jo turbulenssiraportteja lentokoneessa olevien kiihtyvyysmittarien kautta ja yhdistävät tiedot The Weather Companyn kautta. Yhtiön vuoden 2016 raportin mukaan turbulenssi aiheuttaa 5 miljoonaa dollaria vuodessa vahinkoja, 35 miljoonaa dollaria vuodessa miehistö- ja matkustajavammoja ja 1, 36 miljardia dollaria vuodessa lentosuunnitelmissa. WIoT linkittää globaaliin säämalliin kaikkien näiden kaupallisten ilma-alusten turbulenssitiedot ja rakentaa ennustejärjestelmän, johon kaikki lentoyhtiöt pääsevät kyseisen API-portaalin kautta. Sen avulla lentäjät voivat liikkua myrskyjen ympärillä, ja lentoyhtiön tietokonejärjestelmät voivat säätää ennustettuja saapumis- ja lähtöaikoja.
Henkilökohtainen sääasema asennettu rannikolle (Weather Underground) Kova sää aiheuttaa 500 miljardia dollaria vahinkoa Yhdysvalloissa vuosittain, sanoo The Weather Company: n äskettäin esittämä vakuutusalan esitys. "(WIoT: n) lisätietosarjat auttavat meitä myös ennakoimaan riskiä paremmalla tarkkuudella, vähentämään jätettyjen korvausvaatimusten määrää ja auttaen samalla vakuutusyhtiöitä ilmoittamaan petoksista", Glackin sanoo. Vakuutusyhtiöt voisivat varoittaa asiakkaita lähestymästä rakeita ja lumimyrskyjä, jotta he voisivat valmistella kotejaan ja autojaan minimoimalla vahingot (ja siten korvausvaatimukset). Julkiset laitokset nielaisevat myös paljon tappioita raskaasta säästä, jota eivät aina pysty ennustamaan kaukana etukäteen. IBM: n Big Data and Analytics Hubin mukaan 75 prosenttia sähkökatkoksista johtuu huonosta säästä. Joka kerta kun energiayhtiö lähettää miehistön palauttamaan palvelut, se maksaa keskimäärin 500 000 dollaria. Käyttämällä WIoT-säämallia API: n kautta, hyötyyritykset voivat olla ennakoivia ja lavakorjata laitteita ennen suuria myrskyjä, jotta korjaushenkilöt voivat siirtyä nopeammin palveluiden palauttamiseen.
Mies asentaa henkilökohtaisen sääaseman. (Sää maanalainen) Ja sitten, kuten Cohn sanoo, muut teollisuudenalat pääsevät todennäköisesti käyttämään säämallia aikatauluttaakseen kuljetuksensa ennusteen mukaan kovaan säähän, jotta vältetään kalliit viivästykset. Auto- ja vähittäiskauppayritykset, jotka esimerkiksi kuljettavat valmiita tavaroita, kuten henkilöautoja ja T-paitoja rahtikuljettamalla esimerkiksi valtamerten yli, saattavat hyödyntää etuja.
"Eniten innoissamme uskomme, että Watson voi auttaa meitä laajentamaan tietämystämme ilmakehästä", sanoo Glackin. "Esimerkiksi parempien ennusteidemme parantamiseksi kahden viikon ajan ja sen jälkeen kognitiivinen laskenta voisi rinnastaa kaiken taustatiedon ja tarkastella sitten historiallisen ja nykyisen datan määrää auttaaksemme poimimaan ennustekuvioita, joita emme ole tunnistaneet perinteisillä lähestymistavoilla."
Joten sinä menet. Viisikymmentä vuotta sitten emme voineet ennustaa paljoakaan mistään, ja tänään he sanovat, että pian AI voi alkaa tehdä koulutettuja sääennusteita kahden viikon päässä. Pohjimmiltaan taikuutta.
