L’Aeronautica militare statunitense ha stretto un accordo con WindBorne Systems per l’acquisto dei dati raccolti dalla sua flotta di palloni meteorologici autonomi: un contratto che per la startup potrebbe raggiungere un valore di quasi 50 milioni di dollari.
La società, nata nel 2015 con sede a Redwood City, in California, gestisce attualmente circa 700 palloni sonda in volo attorno al globo. I sensori atmosferici a bordo generano letture che WindBorne vende ai clienti e utilizza anche per alimentare il proprio modello di previsione meteorologica basato sull’intelligenza artificiale. Si tratta di una delle prime organizzazioni al mondo a immettere direttamente dati empirici in un modello meteorologico di deep learning.
Il rapporto con il governo federale non è nuovo: WindBorne ha già collaborato con il National Weather Service e con l’Air Force e la Navy statunitensi. Questo è però il contratto più importante in cui la società sia mai stata coinvolta. L’accordo vale fino a 49 milioni di dollari, ma l’Aeronautica paga solo quando ha effettivamente bisogno dei dati, con la possibilità di ordinare coperture per regioni e momenti specifici. Finora ha commissionato dati per 1,7 milioni di dollari, e i vertici dell’azienda si aspettano ordini ulteriori.
“Il contratto è in gran parte un veicolo per supportare la crescita della costellazione di palloni e per la ricerca e sviluppo su hardware e prestazioni”, ha spiegato Andrey Sushko, cofondatore e CTO di WindBorne. L’accordo, assegnato senza gara competitiva, rappresenta secondo Sushko “la determinazione del governo che, per la raccolta di dati globali, WindBorne era l’unica azienda in grado di fornire il servizio secondo le loro esigenze operative”.
Il modello WeatherMesh e il round da 37 milioni
Lo scorso agosto il CEO John Dean aveva annunciato la chiusura di un round Series B da 37 milioni di dollari, destinato a far crescere il business. Nell’estate la società aveva inoltre rilasciato l’ultima versione del proprio modello di previsione, WeatherMesh 6, che secondo l’azienda offre previsioni più accurate di quelle del modello tradizionale gestito dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF), il quale simula l’atmosfera applicando le leggi della fisica.
La previsione del tempo con l’IA è diventata una delle applicazioni più produttive del deep learning da quando sono arrivati le architetture transformer e il rilascio, alcuni anni fa, di un enorme dataset meteorologico da parte dell’ECMWF. In passato i meteorologi si appoggiavano a supercomputer costosi che eseguivano equazioni dettagliate per approssimare il comportamento dell’atmosfera. Oggi l’apprendimento end-to-end può digerire decenni di dati meteo ed emettere previsioni in tempi molto più rapidi.
I modelli sviluppati dai laboratori di frontiera e dalle agenzie governative stanno dimostrando una precisione superiore rispetto alle previsioni tradizionali, anche se il settore resta un terreno irregolare: per un’effettiva comprensione del meteo servono entrambi i tipi di previsione. L’ultimo modello di Google DeepMind introduce capacità nuove di rilievo, e i suoi strumenti di previsione dei cicloni stanno diventando sempre più centrali nella risposta del governo americano alla stagione degli uragani.
Un pallone nell’occhio del tifone
Ad agosto WindBorne è diventata la prima organizzazione a inviare un sistema di volo senza motore — privo di qualsiasi propulsore — a raccogliere dati nell’occhio di un tifone. I palloni vengono manovrati regolando la quota, sfiatando aria o rilasciando la sabbia trasportata come zavorra, così da farli entrare nelle correnti che li portano verso la destinazione desiderata.
“Il volo nell’occhio del tifone è stato reso possibile da buoni modelli di vento e meteo con capacità di navigazione e da una costellazione abbastanza grande da avere palloni nei punti giusti; è una delle prime volte che un modello di deep learning è stato usato per decisioni operative reali”, ha commentato Sushko.
