نیروی هوایی ایالات متحده بر اساس قراردادی تازه، داده‌های جمع‌آوری‌شده توسط ناوگان بالن‌های هواشناسی خودمختار شرکت وینبورن سیستمز را خریداری میکند؛ قراردادی که میتواند تا نزدیک به ۵۰ میلیون دلار برای این استارتاپ ارزش داشته باشد.
وینبورن در حال حاضر حدود ۷۰۰ بالن هواشناسی دارد که در سراسر جهان پرواز میکنند و خوانش‌های حسگرهای جوی را جمع‌آوری میکنند؛ داده‌ای که این شرکت آن را به مشتریان می‌فروشد و همزمان به مدل هواشناسی هوش مصنوعی خودش هم خوراک می‌دهد. وینبورن که در سال ۲۰۱۵ بنیان‌گذاری شده و مقر آن در ردوود سیتی کالیفرنیاست، از نخستین سازمان‌هایی است که داده تجربی را به‌طور مستقیم به یک مدل هواشناسی مبتنی بر یادگیری عمیق تغذیه میکند.
این شرکت پیش‌تر هم با دولت آمریکا، به‌ویژه سرویس ملی هواشناسی و نیروی هوایی و نیروی دریایی آمریکا، همکاری نزدیک داشته، اما این بزرگ‌ترین قرارداد منفردی است که وینبورن در آن مشارکت داشته است. ارزش قرارداد تا ۴۹ میلیون دلار است، اما نیروی هوایی فقط در ازای داده‌ای که به آن نیاز دارد پول پرداخت میکند و میتواند برای مناطق مشخص در زمان‌های مشخص سفارش بدهد. تاکنون ۱.۷ میلیون دلار سفارش داده شده و مدیران انتظار دارند سفارش‌های بیشتری دنبال آن بیاید.
آندری سوشکو، هم‌بنیان‌گذار و مدیر فناوری وینبورن، به تک‌کرانچ گفت: «این تا حد زیادی ابزاری است که از طریق آن می‌توان رشد مستمر مجموعه بالن‌ها را پشتیبانی کرد و همچنین بخشی از کار تحقیق و توسعه برای بهبود مستمر سخت‌افزار و عملکرد بالن‌ها را پیش برد.» او افزود این قرارداد که بدون مناقصه رقابتی واگذار شده، «تشخیص دولت است بر این که برای این قابلیتِ جمع‌آوری داده جهانی، ما تنها شرکتی بودیم که توانستیم آن را به شکلی ارائه دهیم که نیازهای این عملیات را برآورده کند.»
جان دین، مدیرعامل وینبورن، در ماه آگوست به تک‌کرانچ گفته بود شرکت دور سرمایه‌گذاری سری B به ارزش ۳۷ میلیون دلار را برای ادامه مقیاس‌پذیری کسب‌وکارش جمع کرده است. اوایل تابستان امسال هم شرکت نسخه تازه مدل پیش‌بینی خود به نام WeatherMesh 6 را منتشر کرد که به گفته خودش پیش‌بینی‌های دقیق‌تری از مدل سنتی مرکز اروپایی پیش‌بینی میان‌مدت هوا (ECMWF) ارائه می‌دهد؛ مدلی که جو را بر پایه قوانین فیزیک شبیه‌سازی میکند.
از زمان ظهور معماری‌های مدل ترنسفورمر و انتشار مجموعه داده عظیم هواشناسی توسط ECMWF در چند سال پیش، پیش‌بینی هوای مبتنی بر هوش مصنوعی به یکی از پربازده‌ترین کاربردهای فناوری یادگیری عمیق تبدیل شده است. پیش‌تر هواشناسان به ابررایانه‌های گران‌قیمتی تکیه می‌کردند که معادلات پیچیده تقریب رفتار جو را حل می‌کردند؛ اما امروز یادگیری انتها به انتها میتواند دهه‌ها داده هواشناسی را ببلعد و سریع‌تر پیش‌بینی صادر کند.
مدل‌هایی که آزمایشگاه‌های پیشرو و سازمان‌های دولتی می‌سازند، دقت بالاتری از پیش‌بینی‌های سنتی نشان می‌دهند، هرچند این مرز همچنان ناهموار است و هر دو نوع پیش‌بینی برای درک مفید هوا لازم است. تازه‌ترین مدل هواشناسی گوگل دیپ‌مایند قابلیت‌های مهم تازه‌ای ارائه می‌دهد و ابزارهای پیش‌بینی طوفان آن به‌شکل فزاینده‌ای به محور واکنش دولت آمریکا به فصل توفان‌ها تبدیل شده‌اند.
در ماه آگوست، وینبورن نخستین سازمانی شد که یک سامانه پروازی بدون موتور را برای جمع‌آوری داده در چشم تایفون به پرواز درآورد. این شرکت بالن‌ها را با تنظیم ارتفاع، تخلیه هوا یا رهاکردن شنِ بار بالاست هدایت میکند تا آنها را به بادهایی برساند که به مقصد مورد نظر می‌برند.
سوشکو گفت: «این گام نسبتاً بدیعی است و دو مؤلفه‌اش یکی داشتن مدل‌های خوب باد و هوا و دانستن نحوه ناوبری در آنهاست و دیگری داشتن مجموعه بالن‌هایی به‌اندازه کافی بزرگ که بالن‌ها در جای درست قرار بگیرند.» او افزود: «این یکی از نخستین بارهایی است که یک مدل یادگیری عمیق برای تصمیم‌های عملیاتی واقعی به کار رفته است.»