IBM Watson получил работу ученого-синоптика



    Когнитивная система IBM Watson может работать врачом, поваром, специалистом по информационной безопасности и ученым. Теперь Watson стал еще и синоптиком. Точнее, ранее система уже умела делать прогнозы, но сейчас, если так можно выразиться, Watson пошел на повышение.

    Наша компания заключила договор о сотрудничестве с компанией Weather Underground, которая составляет свои прогнозы погоды на основе данных 200000 метеостанций. Эти станции распределены по всему миру, включая Азию, Южную Америку, Африку. Сейчас эти данные планируется анализировать при помощи IBM Watsonдля того чтобы составлять еще более точные прогнозы.

    Когда IBM приобрела The Weather Company/WU (это произошло в октябре прошлого года), сразу же объявила о намерении интегрировать все 200000 метеостанций, полученных вместе с The Weather в Интернет вещей. Это означало, что данные с датчиков станций будут сразу же подвергаться анализу. И цель проекта — не прогноз погоды на ТВ. Основная задача — помощь бизнесу.

    Только в США потери различных компаний из-за неблагоприятных погодных условий составляют $500 млрд ежегодно. Но средства можно и не терять, если знать, где и как будет меняться погода. Причем оптимальный вариант — это долгосрочный прогноз. Авиакомпании, страховые компании, фермерские хозяйства — все они теряют много денег из-за превратностей погоды. Но если знать, где ждать неприятностей, можно избежать проблем и крупных убытков.

    «Все данные The Weather Company могут быть получены благодаря API», — говорит Джон Кон (John Cohn), один из участников проекта. Доступ к API есть у Watson. Эта когнитивная система анализирует все данные метеостанций, составляет прогноз и предоставляет информацию партнерам.


    Первый проект получил название EZ Buddy, он реализуется в Кении. EZ Buddy предоставляет данные о динамике местных погодных условий владельцам местных сельскохозяйственных угодий. Фермеры, зная об изменениях погоды, понимают, что нужно делать в том либо ином случае, и поступают соответственно. Любой из фермеров региона, отправив SMS на определенный номер телефона, может спросить: «Когда мне нужно полить свое поле?» или «Когда выпадет дождь и мои запасы пресной воды пополнятся?».

    Система в ответном сообщении отвечает на вопросы. Сейчас фермеры Кении активно пользуются этой возможностью, и не только для того, чтобы знать, когда нужно полить поле. Они консультируются с IBMWatsonпо поводу времени внесения удобрений, посадочного сезона, оптимальном времени использования пестицидов.

    Авиакомпании также сотрудничают с TheWeatherCompany(напомним, сейчас это подразделение IBM). Диспетчерам и пилотам необходимо знать о зонах турбулентности, чтобы планировать оптимальный маршрут, который не только не подвергает опасности жизни и здоровье пассажиров, но и позволяет сэкономить горючее. Ежегодно авиакомпании теряют около $5 млн в год из-за необходимости ремонтировать самолеты, попавшие в зону с неблагоприятными погодными условиями.

    Еще больше, около $35млн, уходит на лечение пилотов и компенсации пассажирам, получившим травмы во время полетов. Сейчас наша компания собирает данные по зонам турбулентности и предоставляет их авиакомпаниям. Пилоты могут обходить опасные зоны, а компьютерные системы авиакомпаний изменяют соответствующим образом время прибытия и отправления авиарейса.

    Страховые компании, получая информацию от IBM, смогут предупредить своих клиентов о приближении урагана или наводнения. Люди в этом случае постараются сделать все, чтобы их имуществу был нанесен минимальный вред. Польза налицо и для компаний, и для клиентов. Энергетические компании после погодных катаклизмов обычно теряют миллионы долларов — ведь энергосистема повреждается, а средняя сумма починки только одного повреждения составляет около $500000.



    Приведенные примеры касаются не только авиакомпаний, фермеров, страховщиков. Все это относится и к другим представителям ряда отраслей бизнеса, а также к государственным органам, которые отвечают за состояние различных инфраструктур населенных пунктов. IBM Watson, используя данные метеостанций, может давать детальный прогноз погоды примерно на две недели вперед. И это очень точный прогноз.

    Еще 50 лет назад прогноз погоды был больше похож на гадание на кофейной гуще. Сейчас же прогноз погоды — это результат сложнейшего анализа огромных массивов данных. И точность такого прогноза в большинстве случаев очень высока.
    IBM
    Company

    Comments 8

      +3
      Извините, конечно, но статья очень похожа на рекламный буллшит.
      Если отжать воду, то похоже, что Watson не строит никакие прогнозы, а представляет собой надстройку над прогнозами, переводящую их в словесную форму. Цифры переводятся в сервис на естественном языке или что-то в этом роде. Как он мог бы соревноваться в построении прогнозов со специализированным, узко заточенным ПО — непонятно совершенно.
      И более того, точный прогноз погоды на 2 недели на сегодняшний день невозможен вообще. Вообще, хоть там у вас Ватсон, хоть Холмс. «Точный» прогноз сейчас работает на ~5 дней, а на 2 недели в лучшем случае можно угадать примерную тенденцию.
        0
        Полностью поддерживаю. Это же хабр!
        IBM Watson, используя данные метеостанций, может давать детальный прогноз погоды примерно на две недели вперед. И это очень точный прогноз.
        Где технические подробности, результаты исследований? Показали бы пример этого точного прогноза на две недели вперед и потом статистику по погодным условиям через две недели. В сравнительной табличке «прогноз-факт». И так за полгода наблюдений. Тогда слова «очень точный прогноз» были бы более научными.
        0
        а средняя сумма починки только одного повреждения составляет около $500000

        Извините
        image

          0
          Personal Weather Station Network — напомнило про «известный в узком кругу» сайт http://narodmon.ru. Интересно, есть ли англоязычные аналоги? Впрочем нашел — http://pwsweather.com.

          Тема-то реально интересная, на основе реальных данных сотен юзеров ведь вполне можно погоду уточнять. Правда проблема в том, что бытовые метеостанции обычно ставятся как попало (на солнечной стене датчик может и +35 показать, хотя реально +20 — как это фильтровать?).

            0
            https://www.netatmo.com/weathermap

            Если кратко — end-user weather station. Вот статья про них: https://habrahabr.ru/company/madrobots/blog/224663/
              0
              Фильтровать можно по графикам, сразу же видно засветку датчика при появлении солнечного света. Нейросеть, при обучении, дополнительно получит информацию о наличии облачности, потока солнечной радиации, даже с неправильно установленного датчика получит какую-то вспомогательную информацию (в крайнем случае отбросит эти показания). Речь то, изначально, шла о Watson.
              0
              Имхо надо обучить ватсона на страхового оценщика. По-моему задача для него самая подходящая
                0
                Как профессиональному метеорологу мне режет глаза помимо справедливо упомянутого выше еще вот что:
                Еще 50 лет назад прогноз погоды был больше похож на гадание на кофейной гуще.


                Это в 1967м-то году ))) Уже создана первая советская метеорологическая спутниковая система «Метеор» и количество станций на территории СССР и в мире уже позволяют рисовать крупномасштабные синоптические карты — кольцовки. Уже используются метеорологические радары, а через несколько лет данный радиолокационного наблюдения будут уже стандартизированы и приобретут еще больший вес.

                Мне кажется, это образное сравнение здесь явно не месту )

                Only users with full accounts can post comments. Log in, please.