Dengan ledakan data cuaca dan iklim yang tidak dapat ditangani oleh generasi alat sebelumnya, apakah AI adalah masa depan ramalan cuaca?
Penelitian tentu menunjukkan demikian, dan sebuah startup yang baru didanai bernama Brightband sedang mencoba mengubah model ramalan machine learning menjadi sebuah bisnis dan standar sumber terbuka.
Teknik prediksi cuaca dan pemantauan iklim saat ini berakar pada model statistik dan numerik yang sudah berusia puluhan tahun. Itu bukan berarti model-model tersebut buruk atau salah - hanya saja tidak terlalu efisien. Model-model berbasis fisika ini adalah jenis hal yang Anda sisihkan beberapa minggu pada superkomputer.
Namun, AI memiliki kelebihan dalam menarik pola-pola dari tubuh besar data, dan penelitian telah menunjukkan bahwa, ketika AI dilatih pada tahun-tahun pola cuaca dan observasi di seluruh dunia, ia dapat memprediksi peristiwa-peristiwa mendatang dengan akurasi yang mengherankan.
Jadi mengapa tidak digunakan di mana-mana?
"Alasan mengapa ada kesenjangan ini adalah pemerintah kesulitan menarik bakat terbaik, begitu pula perusahaan cuaca, sementara untuk perusahaan teknologi ini, cuaca bukan industri inti mereka. Mereka tidak mendalami domain dan bekerja dengan para pemain untuk memberikan mereka alat yang mereka butuhkan," jelaskan Julian Green, CEO dan co-founder Brightband (sebelumnya dikenal sebagai OpenEarthAI). "Kami percaya bahwa sebuah startup membawa orang-orang AI hebat, orang-orang data yang hebat, dan orang-orang cuaca yang hebat bersama. Ada peluang nyata untuk mengoperasikan AI dan membuatnya tersedia untuk semua orang."
Startup ini sedang merancang model mereka sendiri yang dilatih dengan data observasi cuaca selama bertahun-tahun, tetapi Daniel Rothenberg, co-founder dan kepala data dan cuaca, cepat mencatat bahwa mereka "berdiri di pundak raksasa-raksasa."
"Model-model fisika besar merupakan monster," katanya. "Tapi AI adalah yang mendapat manfaat dari model-model tersebut - loncatan pertama adalah memanfaatkannya, menemukan bahwa model-model benar-benar bisa mempelajari pola-pola tersebut. Kami membangun di atas itu dan memperluasnya. Kami menargetkan yang terbaik: sebaik atau lebih baik dari ramalan cuaca global yang tersedia."
Juga akan jauh lebih cepat, Green mencatat. "Itulah inti gangguan: lebih cepat dan lebih murah," sehingga lebih cocok untuk kasus penggunaan yang khusus dan dinamis.
"Orang memiliki kebutuhan yang sangat khusus di berbagai industri," lanjut Green. "Perusahaan energi perlu dapat memprediksi pasokan energi terbarukan dari angin dan matahari, serta permintaan pemanasan dan pendinginan; perusahaan transportasi perlu menghindari cuaca ekstrem; pertanian perlu merencanakan beberapa minggu ke depan untuk menyewa orang untuk menanami, menyiram, memberi pupuk, atau panen."
Yang menarik, perusahaan ini berkomitmen untuk merilis modelnya agar bisa digunakan oleh siapa saja.
"Tujuan kami adalah membuat kemampuan ramalan dasar menjadi open source, bukan hanya modelnya tetapi data yang Anda gunakan untuk melatihnya, dan metrik yang Anda gunakan untuk mengevaluasinya, tapi model kami adalah menumpuk layanan berbayar untuk kemampuan yang lebih spesifik," kata Green.
Salah satu bagian dari hal tersebut berarti menyertakan (dan memproses, dan merilis) banyak data yang telah diabaikan demi basis data yang diproses sebelumnya.
"Ada petabyte atas petabyte data historis dari balon cuaca dan satelit yang diabaikan karena sulit untuk digunakan," kata Rothenberg; tapi seperti kebanyakan model AI, semakin banyak data, semakin baik, dan berbagai macam data yang dipilih dengan hati-hati dapat secara signifikan meningkatkan kualitas output mereka. "Kami benar-benar merasa bahwa membangun komunitas di sekitar hal ini akan mempercepat hal-hal yang dapat kita lakukan dalam hal memahami atmosfer dan melakukannya secara besar-besaran."
Saya menyarankan bahwa ini hampir seperti mereka melakukan apa yang National Weather Service (yang menyediakan banyak data observasional dan ramalan secara gratis sebagai layanan publik) dan lembaga lainnya akan lakukan jika mereka bisa.
Green menolak, mengatakan bahwa mereka bekerja dengan erat dengan lembaga-lembaga tersebut dan bahwa mereka memang penjaga data penting - hanya saja bukan jenis data cepat dan portabel yang dibutuhkan oleh perusahaan konsumen yang responsif. Ia mengatakan bahwa mereka melihat ini sebagai kelanjutan dari kolaborasi internasional tentang data cuaca.
Terkait dengan bagaimana proses pembangunan produk sebenarnya: "Ini masih relatif awal," akui Green. "Kami telah bekerja pada ini selama beberapa bulan, tidak ada yang live hari ini tapi kami berharap memiliki model pada akhir 2025 yang mengambil observasi [yaitu gambar satelit atau radar lokal] dan menghasilkan ramalan untuk mereka."
Brightband terstruktur sebagai perusahaan manfaat publik, tetapi itu "primarily signaling," kata Green. "Kami mencoba menunjukkan misi kami secara transparan, melekatkan tujuan kami pada tiang kapal dan mengatakan 'ini adalah apa yang kami minati lakukan.' Saya pikir pendanaan 10 juta yang kami dapatkan adalah bukti bahwa kami mampu menarik modal."
Sebuah PBC dalam kasus ini pada dasarnya berarti dewan harus seimbangkan kepentingan pemegang saham dengan misi yang disebutkan dalam beberapa keadaan tertentu, tetapi tidak membatasi laba atau hal-hal seperti itu.
Harapkan produk terkait cuaca sebelum produk terkait iklim - tetapi keduanya tidak memiliki timeline khusus kecuali untuk akhir tahun saat pertunjukkan dan cerita.
Ronde A senilai $10 juta Brightband dipimpin oleh Prelude Venture, dengan partisipasi dari Starshot Capital, Garage Capital, Future Back Ventures, Preston-Werner Ventures, CLAI Ventures, Adrien Treuille, dan Cal Henderson.
