Dengan ledakan data cuaca dan iklim yang tidak bisa ditangani oleh generasi terakhir alat, apakah kecerdasan buatan adalah masa depan prakiraan?
Penelitian tentu menunjukkan begitu, dan sebuah startup baru yang bernama Brightband sedang mencoba mengubah model prakiraan pembelajaran mesin menjadi standar bisnis dan sumber terbuka.
Teknik prediksi cuaca dan pemantauan iklim saat ini berakar pada model statistik dan numerik yang sudah berlangsung puluhan tahun. Itu tidak berarti buruk atau salah — hanya tidak terlalu efisien. Model berbasis fisika seperti itu adalah hal yang perlu dipersiapkan selama beberapa minggu di superkomputer.
Namun, kecerdasan buatan memiliki keahlian untuk menarik pola-pola dari data-data besar, dan penelitian telah menunjukkan bahwa, ketika kecerdasan buatan dilatih dengan tahun-tahun pola cuaca dan pengamatan di seluruh dunia, itu bisa memprediksi peristiwa mendatang dengan akurasi yang mengejutkan.
Lalu mengapa tidak digunakan di banyak tempat?
“Alasannya karena pemerintah kesulitan menarik bakat terbaik, juga perusahaan cuaca, sementara untuk perusahaan teknologi ini, cuaca bukanlah industri inti mereka. Mereka tidak menelusuri secara mendalam dalam domain dan bekerja dengan pemain untuk memberi mereka alat yang mereka butuhkan,” jelaskan Julian Green, CEO dan co-founder Brightband (sebelumnya dikenal sebagai OpenEarthAI). “Kami pikir sebuah startup membawa orang-orang kecerdasan buatan yang hebat, orang-orang data yang hebat, dan orang-orang cuaca yang hebat bersama. Ada kesempatan nyata untuk mengoperasionalisasikan kecerdasan buatan dan membuatnya tersedia bagi semua orang.”
Startup ini sedang merancang modelnya sendiri yang dilatih dengan data pengamatan cuaca selama beberapa tahun, tetapi Daniel Rothenberg, co-founder dan kepala data dan cuaca, cepat menambahkan bahwa mereka “berdiri di atas bahu raksasa.”
“Model fisika berbasis besar itu monster,” katanya. “Tetapi kecerdasan buatan adalah penerima manfaat dari model-model tersebut — lompatan pertama adalah memanfaatkannya, menemukan bahwa model-model tersebut benar-benar bisa mempelajari pola-pola itu. Kami membangun di atas itu dan memperluasnya. Kami berkeinginan untuk mencapai yang terbaik: setara atau lebih baik dari prakiraan cuaca global yang tersedia.”
Ini juga akan jauh lebih cepat, kata Green. “Itulah inti dari gangguan ini: lebih cepat dan lebih murah,” menjadikannya lebih cocok untuk kasus penggunaan yang khusus dan cepat bergerak.
“Orang memiliki kebutuhan yang sangat spesifik di berbagai industri,” lanjut Green. “Perusahaan energi perlu bisa memprediksi pasokan energi terbarukan dari angin dan matahari, dan permintaan untuk pemanasan dan pendinginan; perusahaan transportasi perlu menghindari cuaca ekstrem; pertanian perlu merencanakan beberapa minggu ke depan untuk mempekerjakan orang untuk menanam, menyiram, memberi pupuk, atau memanen.”
Menariknya, perusahaan ini berkomitmen untuk mengeluarkan modelnya agar dapat digunakan oleh siapa saja.
“Tujuan kami adalah untuk sumber terbuka kemampuan prakiraan dasar, bukan hanya model tapi data yang Anda gunakan untuk melatihnya, dan metrik yang Anda gunakan untuk mengevaluasinya, model bisnis kami untuk menambahkan di atasnya, layanan berbayar untuk kemampuan yang lebih spesifik,” kata Green.
Bagian dari hal ini berarti termasuk (dan memproses, dan melepaskan) banyak data yang dilewati demi database yang sudah diproses sebelumnya.
“Ada petabyte demi petabyte data historis dari balon cuaca dan satelit yang diabaikan karena sulit untuk bekerja dengannya,” kata Rothenberg; namun seperti kebanyakan model kecerdasan buatan, semakin banyak data semakin baik, dan variasi yang dipilih dengan hati-hati dapat signifikan meningkatkan kualitas output mereka. “Kami benar-benar merasa bahwa membangun komunitas di sekitar 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 dilakukan National Weather Service (yang menyediakan banyak data observasional dan prakiraan secara gratis sebagai layanan publik) dan lembaga lain akan lakukan jika mereka bisa.
Green menolak, mengatakan bahwa mereka bekerja erat dengan lembaga-lembaga itu dan bahwa mereka memang penjaga dari sumber data penting — hanya bukanlah jenis data yang cepat dan portabel yang dibutuhkan oleh perusahaan konsumen yang sangat responsif. Dia mengatakan mereka melihat ini sebagai kelanjutan dari kolaborasi internasional dalam data cuaca.
Tentang dimana mereka sebenarnya berada dalam membangun produk itu: “Ini masih relatif awal,” akui Green. “Kami sudah bekerja pada hal ini selama beberapa bulan, belum ada yang aktif saat ini tetapi kami berharap memiliki model pada akhir tahun 2025 yang dapat memproses observasi [misalnya gambar satelit atau radar lokal] dan membuat prakiraan untuk mereka.”
Brightband terstruktur sebagai perusahaan keuntungan publik, tetapi itu “terutama sebagai sinyal,” kata Green. “Kami berusaha untuk menetapkan misi kami secara transparan, menancapkan tujuan kami pada tiang dan mengatakan ‘ini lah yang kami minati lakukan.’ Saya pikir 10 juta yang kami kumpulkan adalah bukti bahwa kami mampu menarik modal.”
Sebagai PBC dalam hal ini pada dasarnya berarti pembatasan oleh dewan harus seimbang dengan kepentingan pemegang saham dengan misi yang dinyatakan dalam keadaan tertentu, tetapi tidak membatasi keuntungan atau hal seperti itu.
Harapkan produk terkait cuaca sebelum yang terkait iklim — tetapi keduanya tidak memiliki waktu yang pasti kecuali pada akhir tahun untuk menunjukkan dan cerita.
Putaran series A $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.
