Современные системы прогнозирования погоды основаны на физических моделях. Последние предполагают сбор данных с метеостанций, датчиков и спутников, их обработку численными методами и интерпретацию. При высокой точности это требует значительных вычислительных и временных ресурсов. К тому же модели нуждаются в периодическом обновлении.

Для оптимизации ресурсов в последнее время началось внедрение ИИ в отдельные этапы прогнозирования, например, численное моделирование атмосферных процессов. За счет этого удалось ускорить процесс, но осталась зависимость от вычислительных ресурсов суперкомпьютеров.

Компания Aardvark разработала полноценную модель машинного обучения, способную заменить традиционные системы. Она обучается на архивных данных и постоянно обрабатывает информацию с датчиков и спутников, формируя локальные и глобальные прогнозы.

Новая система превосходит традиционные по ряду ключевых параметров. Во-первых, она значительно менее требовательна к вычислительным ресурсам. Во-вторых, прогнозы составляются в десятки раз быстрее. В-третьих, их точность выше даже при использовании 10% данных. В-четвертых, система может быстро адаптироваться под узкоспециализированные задачи вроде краткосрочных отраслевых прогнозов для энергетики, сельского хозяйства и т. д.