Weather Underground établit des prévisions météorologiques basées sur plus de 200 000 stations météorologiques de construction privée à travers le monde, plus des stations publiques, dont le nombre varie d'un pays à l'autre. La société va ajouter 400 nouvelles stations en Asie, en Amérique du Sud et en Afrique, et les intégrera toutes avec l'IA d'enseignant en apprentissage de la langue Watson d'IBM (celle qui a joué à Jeopardy! Et a gagné) .
Contenu connexe
- Comment la guerre mondiale a changé les prévisions météorologiques pour de bon
Alors qu'est-ce que cela signifie exactement? Il crée un système de prévision météorologique mondial lié à un certain nombre d'entreprises mondiales et espère ainsi déjouer l'une des variables les plus coûteuses et les plus dommageables de l'industrie mondiale: les conditions météorologiques.
Quand IBM a racheté The Weather Company / WU en octobre dernier, il a immédiatement annoncé son intention de fusionner les 200 000 stations météorologiques de WU avec Watson via l’Internet des objets. L'IdO n'est pas un langage spécifique, mais plutôt le concept d'unification de plusieurs éléments sous un même langage afin que toutes leurs données puissent être compilées et présentées ensemble. Quel que soit le protocole, la prévision météorologique rapporte beaucoup aux entreprises mondiales.
«Aux États-Unis seulement, nous savons que les entreprises perdent plus de 500 milliards de dollars chaque année en raison de problèmes liés au climat», explique Mary Glackin, responsable des activités de prévision scientifique à The Weather Company. IBM et The Weather Company considèrent que les secteurs de l'aviation, des assurances, des services publics et de l'agriculture sont les premiers utilisateurs de l'outil de prévision météorologique de Watson, développé par WU.
«Toutes les données de The Weather Company sont accessibles à l'aide d'une simple API (Application Programming Interface) publiée», déclare John Cohn, collègue IBM et scientifique en chef de l'automatisation de la conception. Pensez à une API comme un ensemble d’instructions permettant de créer un logiciel. Il est flexible en ce sens que l’utilisateur final peut choisir l’apparence du logiciel. À partir de ce portail numérique, ses employés accéderont aux données provenant des stations météo et des appareils connectés à l'IoT. Watson les associera en leur permettant de poser des questions comme une personne demande à une autre personne.
Cette carte montre la couverture mondiale des stations météo personnelles de Weather Underground. (Métro météo) «Notre première démonstration, qui est déjà en ligne et opérationnelle, concerne un projet appelé EZ Buddy», explique Cohn, «mis au point par notre laboratoire de recherche IBM au Kenya. EZ Buddy montre comment les données météorologiques locales peuvent être utilisées avec la surveillance et le contrôle de l'irrigation locaux pour aider les agriculteurs à optimiser l'arrosage de leurs cultures. et 'Combien de temps avant que mes réservoirs d'eau soient remplis par la pluie?', et le système leur envoie des réponses. Une fois étendu au-delà de l'Afrique de l'Est, WIoT (Watson IoT) fusionnera toutes les stations météorologiques de WU avec les données satellitaires pertinentes, extraira les données des capteurs de pression des téléphones portables et les combinera avec des informations locales, telles que des mesures de sol et des réserves d'eau à proximité, pour affiner ses données. modèles météorologiques à la fois globalement et localement. Les agriculteurs peuvent l'utiliser pour gérer leur irrigation, leurs saisons de plantation et leurs programmes de pesticides. «Cela montrera comment les intérêts commerciaux tels que les assureurs, les intérêts de l'agriculture commerciale et les villes intelligentes peuvent construire des systèmes commerciaux combinant des données météorologiques hyperlocales à un IoT cognitif», ajoute Cohn.
Les avions de ligne collectent déjà des rapports de turbulence via des accéléromètres embarqués et fusionnent les données via The Weather Company. Selon le rapport 2016 de la société, les turbulences causent 5 millions de dollars de dégâts par an, 35 millions de dollars de blessures à l'équipage et aux passagers, et 1, 36 milliard de dollars de déroutements. WIoT reliera dans le modèle météorologique mondial les données de turbulence de tous ces avions commerciaux, créant ainsi un système de prévision auquel toutes les compagnies aériennes pourront accéder via ce portail API. Grâce à cette technologie, les pilotes peuvent manœuvrer en cas de tempête et les systèmes informatiques des compagnies aériennes peuvent ajuster les heures d'arrivée et de départ prévues.
Une station météo personnelle installée sur la côte (Weather Underground) Les intempéries causent chaque année 500 milliards de dollars de dégâts aux États-Unis, selon une récente présentation du secteur des assurances par The Weather Company. «Les jeux de données supplémentaires (WIoT) nous aideront également à prévoir les risques avec une précision accrue, à réduire le nombre de réclamations déposées, tout en aidant également les compagnies d'assurance à signaler les fraudes», a déclaré Glackin. Les compagnies d’assurances pourraient avertir les clients de la grêle et des tempêtes de neige qui pourraient se préparer à la maison et à la voiture, réduisant ainsi les dommages (et donc les réclamations). Les services publics absorbent également beaucoup de pertes dues aux intempéries qu’ils ne peuvent pas toujours prévoir longtemps à l’avance. Selon le Big Data and Analytics Hub d'IBM, 70% des pannes d'électricité sont causées par le mauvais temps. Chaque entreprise énergétique envoie un équipage pour rétablir les services, ce qui coûte en moyenne 500 000 USD. En utilisant le modèle météo WIoT via l'API, les entreprises de services publics peuvent être proactives et organiser l'équipement de réparation avant les grandes tempêtes afin que les équipes de réparation puissent intervenir plus rapidement pour rétablir les services.
Un homme installe une station météo personnelle. (Métro météo) Et puis, comme le dit Cohn, d'autres industries sont susceptibles de recourir au modèle météorologique pour planifier leurs expéditions en fonction des prévisions de mauvais temps afin d'éviter des retards coûteux. Les entreprises de l'automobile et de la vente au détail transportant des produits finis tels que des voitures particulières et des t-shirts en cargo, par exemple, pourraient en tirer parti.
«Nous sommes persuadés que Watson peut nous aider à élargir notre base de connaissances sur l’atmosphère», a déclaré Glackin. «Par exemple, pour améliorer nos prévisions sur deux semaines et au-delà, l’informatique cognitive pourrait assimiler toutes les connaissances de base, puis examiner une multitude de données historiques et actuelles pour nous aider à identifier des modèles prédictifs que nous n’avons pas reconnus avec les approches traditionnelles.»
Alors voilà. Il y a cinquante ans, nous ne pouvions rien prédire, et aujourd'hui, ils disent que l'IA peut bientôt commencer à faire des prévisions météorologiques éclairées dans deux semaines. Fondamentalement magique.
