AI Rainbow GlobalCast Ungguli AccuWeather di…
Startup iklim Rainbow Weather mengembangkan GlobalCast, sistem berbasis kecerdasan buatan yang melacak curah hujan langsung dari data satelit dengan resolusi satu kilometer dan pembaruan setiap 10 menit. Pendekatan ini dirancang untuk mengatasi keterbatasan jaringan radar tanah yang hanya tersedia di wilayah kaya seperti Amerika Serikat, Eropa, dan Jepang, sehingga bagian besar Asia, Afrika, Amerika Latin, dan seluruh samudra bergantung pada estimasi model bukan pengamatan langsung. Alexander Matveenko, co-founder Rainbow Weather, menyatakan kesenjangan data ini menjadi kritis seiring berubahnya cuaca menjadi risiko real-time yang memengaruhi polis asuransi, logistik, pertanian, hingga perencanaan utilitas.
GlobalCast mengubah masukan prediksi dengan melatih model AI untuk membaca curah hujan dari citra satelit yang sudah menutupi seluruh planet, menghadirkan peta hujan langsung beresolusi tinggi tanpa menunggu pembangunan infrastruktur radar fisik. Untuk menguji kemampuan sistem, tim menjalankan GlobalCast di Indonesia, di mana banjir menyebabkan kerugian sekitar 4 miliar dolar AS sepanjang 2025. Hasilnya menunjukkan GlobalCast mencapai skor F1 sebesar 0,51, mengungguli AccuWeather yang memperoleh sekitar 0,39 dan The Weather Company sekitar 0,34. Skor F1 mengukur dua kegagalan sekaligus: melewatkan badai yang terjadi dan menimbulkan alarm palsu atas badai yang tidak pernah datang, di mana keduanya sama-sama mahal dalam respons banjir.
Prediksi hujan hanyalah keluaran pertama dari teknologi ini. Langkah selanjutnya Rainbow adalah membangun Foundation Nowcast Model, representasi AI bersama tentang atmosfer yang dapat digunakan banyak prakiraan, mencakup suhu, angin, hujan es, petir, dan radiasi matahari di samping curah hujan. Target pengembangan menunjuk prakiraan hingga 24 jam ke depan pada grid sekitar 1 kilometer, diperbarui setiap 10 menit, dan digerakkan oleh radar, satelit, stasiun tanah, serta sensor tekanan dari ponsel dan perangkat IoT.
Namun, Rainbow tidak sendirian mengejar ambisi tersebut. Microsoft telah mempublikasikan model fondasi cuaca Aurora, Google DeepMind mengklaim model WeatherNext-nya mengungguli beberapa sistem prakiraan terbaik dunia, dan NVIDIA meluncurkan model nowcasting Earth-2 pada Januari yang menargetkan jendela waktu pendek yang sama. Pemanfaatan perangkat pribadi untuk data cuaca juga bukan ide baru, dengan perusahaan seperti SkyX membangun jaringan sensor terdesentralisasi yang membayar penggemar cuaca dalam token untuk menjalankan stasiun halaman belakang mereka.
Perusahaan ini menegaskan bahwa target-target tersebut masih dalam tahap pengembangan, bukan performa jadi. Ambisi di baliknya adalah pergeseran dari menyediakan data cuaca menuju apa yang disebut Rainbow sebagai kecerdasan atmosfer, menandai aset, rute, dan fasilitas mana yang akan disentuh badai sebelum tiba. Bagi eksekutif, langkah kunci meliputi mengidentifikasi titik buta model AI, memperlakukan cuaca sebagai sinyal AI real-time, mengintegrasikan data cuaca ke dalam tumpukan AI, serta memverifikasi model dengan metrik seperti presisi, recall, dan skor F1. Masa depan bukan hanya prakiraan cuaca yang lebih baik, melainkan sistem AI yang terus-menerus mengonsumsi cuaca, mengombinasikannya dengan data perusahaan, dan secara otonom merekomendasikan atau mengeksekusi tindakan terbaik selanjutnya. Dengan AI, prakiraan berhenti menjadi latihan estimasi, dan prediksi hujan mulai terlihat seperti pengukuran.
