La Fuerza Aérea de EE.UU. comprará los datos recopilados por la flota de globos meteorológicos autónomos de WindBorne Systems en virtud de un nuevo contrato que podría valer casi 50 millones de dólares para la startup.
WindBorne actualmente tiene alrededor de 700 globos meteorológicos volando alrededor del mundo, recopilando lecturas de sensores atmosféricos que la compañía vende a los clientes y también alimenta su propio modelo de pronóstico del tiempo de IA. WindBorne, fundada en 2015 y con sede en Redwood City, California, es una de las primeras organizaciones en introducir directamente datos empíricos en un modelo meteorológico de aprendizaje profundo.
La empresa ha trabajado estrechamente con el gobierno de EE. UU., en particular con el Servicio Meteorológico Nacional y la Fuerza Aérea y la Armada de EE. UU., pero este es el contrato más grande en el que ha participado la empresa. El contrato tiene un valor de hasta 49 millones de dólares, pero la Fuerza Aérea paga sólo cuando necesita datos. Puede realizar pedidos para regiones específicas en momentos específicos. Hasta ahora, ha pedido un valor de 1,7 millones de dólares y los ejecutivos esperan que le sigan más pedidos.
«Este es en gran medida un vehículo a través del cual se puede respaldar el crecimiento continuo de la constelación, así como algunos trabajos de investigación y desarrollo para continuar mejorando el hardware y el rendimiento de los globos», dijo a TechCrunch el cofundador y director de tecnología de WindBorne, Andrey Sushko. Añadió que el contrato, que se adjudicó sin licitación pública, es «una determinación del gobierno de que para esta capacidad de recopilar datos globales, éramos la única empresa capaz de proporcionarlos de la manera que satisficiera sus necesidades para estas operaciones».
El director ejecutivo de WindBorne, John Dean, dijo a TechCrunch en agosto que la compañía había recaudado una ronda Serie B de 37 millones de dólares para seguir ampliando su negocio. A principios de este verano, la compañía lanzó la última versión de su modelo de pronóstico, WeatherMesh 6, que, según afirma, proporciona pronósticos más precisos que el modelo tradicional administrado por el Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ECMWF), que simula la atmósfera utilizando las leyes de la física.
Desde la llegada de las arquitecturas de modelos de transformadores y la publicación por parte del ECMWF de un enorme conjunto de datos meteorológicos hace unos años, el pronóstico meteorológico mediante IA se ha convertido en uno de los usos más productivos de la tecnología de aprendizaje profundo. Anteriormente, los meteorólogos dependían de costosas supercomputadoras que ejecutaban ecuaciones detalladas que aproximaban cómo se comporta la atmósfera. Ahora, el aprendizaje de un extremo a otro puede absorber décadas de datos meteorológicos y emitir predicciones más rápidamente.
Los modelos construidos por laboratorios fronterizos y agencias gubernamentales están demostrando ser más precisos que los pronósticos tradicionales, aunque todavía es una frontera irregular, ya que se requieren ambos tipos de pronósticos para permitir una comprensión útil del clima. El último modelo meteorológico de Google DeepMind ofrece nuevas capacidades importantes, y sus herramientas de pronóstico de ciclones se están volviendo cada vez más fundamentales para la forma en que el gobierno de EE. UU. responde a la temporada de huracanes.
En agosto, WindBorne se convirtió en la primera organización en enviar un sistema de vuelo sin motor (sin motor) para recopilar datos en el ojo de un tifón. La compañía maniobra sus globos ajustando su altitud, purgando aire o arrojando arena transportada como lastre, para enviar los vehículos hacia vientos que los lleven a donde necesitan ir.
«Ese es un paso bastante novedoso, y los dos ingredientes para ello son uno, tener buenos modelos de viento y clima, y saber cómo navegarlos; y dos, tener una constelación lo suficientemente grande como para tener globos en los lugares correctos», dijo Sushko. «Es una de las primeras veces que se utiliza un modelo de aprendizaje profundo para decisiones operativas reales».
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.