Деньги на ветер. Как устроен прогноз погоды и как на нем зарабатывать

Всем привет! Меня зовут Самат Галимов, и это подкаст «Запуск завтра». Обычно мы говорим о технологиях примерно вот так.

Оригинальный формат.

Кластерного анализа.

User Acquisition.

Параметризации одной и только турбулентности.

KSDF.

Минимизация функции.

В стадии MVP там.

GRIB-файл.

Кэширование. High Load.

Можно к этому Data Feed подключиться?

Зависит от Fine Tuning.

Поиск не по скиллам идёт, а просто по форм-фактору и так далее.

Прикольно. Как технический директор я пытаюсь разобраться, как устроены сложные и интересные штуки. Я зову профессионалов, с которыми можно поговорить простым человеческим языком. У всех нас в телефоне есть приложение «Погода». Во-первых, мне очень интересно разобраться, как устроен этот черный ящик. От метеорологических вышек, собирающих данные, до приложения, которые обещают дождь, а видно солнце. Такие расследования— большая часть работы технического директора. Помочь нам я позвал Павла Константинова, крутого метеоролога из МГУ. Во-вторых, есть русские ребята, которые сумели сделать платное приложение о погоде. И не просто сделали. У Windy.app и десятки тысяч платящих подписчиков. Как так получилось, расскажет основатель Виндиап Антон Фролов. Это подкаст студии Либо-Либо, и у нас есть партнер, сервис онлайн образования Яндекс Практикум. Если вы хотите стать программистом, дизайнером или дата-сайентистом (data scientist), идите на сайт Яндекс Практикума и учитесь. И ещё, пожалуйста, подписывайтесь на Запуск завтра везде, где вы слушаете подкасты. Пишите комментарии и обязательно ставьте оценки в Эппл Подкастс. Там всё так устроено, что чем больше оценок комментариев, тем больше народа нас узнает.

Привет, я Антон, и я ветрозависимый. Я не верю метеорологам в прогнозы погоды, поэтому мы сделали приложение windy.app. Это сервис для тех, кому погода нужна не чтобы выйти на улицу с зонтиком или без, а для тех, кто занимается спортом, кайтсёрфинг, яхтинг, сёрфинг, каякинг, скайдайверы, параглайдеры и так далее, для кого погода критична.

И у тебя 10 миллионов пользователей, насколько я понял.

Да, у нас 10 миллионов пользователей, да. Оказывается, такие люди есть.

Всем привет. Меня зовут Павел Константинов. Я профессиональный метеоролог. Это как раз один из тех, кому не верит Антон. Я кандидат географических наук, и я профессионально занимаюсь развитием новых погодных технологий, прогнозирования погоды и климата. Делаю так, чтобы недоверие Антона не передавалось пользователям. Я 5 лет проработал в должности, которое называлось «Обеспечение прогнозами средств массовой информации». В Гидрометцентре. Да, да. То есть мы делали прогнозы, переводили на нормальный язык, потому что ну что, значит, местами-временами, да? То есть нормальный человек этого не понимает, ему нужно знать. Я вот сейчас, значит, шашлыки мы планируем на выходные, допустим, в мае снегом завалит, дождем зальет, что сегодня надеть из обуви? что сработает. Мы так работали, это дало нам достаточно серьёзный опыт в области того, что можно говорить, а что нельзя. Например? Ну, например, что у нас метеорология вообще лицензируемая деятельность по-хорошему.

То есть я не могу прийти, написать Python скрипты и сказать, погода будет такая.

Если ты на самом деле выйдешь с этим средством массовой информации, то, скорее всего, в определенный момент возникнут проблемы. Ты можешь говорить о том, что это, условно говоря, твое личное мнение, и то, соответственно, найдется кто прикопаться. Дело в том, что это, конечно же, стратегическое направление. То есть, если вот обрубить, допустим, страну от всех каналов и вырубить ей, допустим, всю... метеорологическую начинку, то, по-хорошему, будет парализована. То есть, самолеты перестанут летать, поезда, в принципе, станут ездить тяжело. Вот сейчас вот разрешили, юридически хороший был сдвиг два года назад, людям разрешили самостоятельно следить за качеством воздуха. А вот тот первый чувак, который в Красноярске сделал вот эти по Красноярску датчики воздуха и с них рассказывал народу, в какой-то момент против него открыли дело и заставили чуть ли не все демонтировать. Потому что нарушение лицензируемой деятельности.

Как вообще происходит предсказание погоды?

Сейчас уже исключительно с помощью физико-математических моделей. Потому что на текущий момент задачи прогноза погоды и прогноза климата являются самыми ресурсоемкими. Самый такой модный и самый такой популярный погодный суперкомпьютер, потому что это все суперкомпьютеры, но вычисления. Он живет в Великобритании, и электроэнергии на него расходуется столько же, сколько на город с 50 тысячами населения.

Подожди, то есть, каждая страна или там организация, которая хочет всерьез предсказывать погоду на сырых данных, она должна иметь свой суперкомпьютер?

Ну, или закупать у тех, у кого суперкомпьютер есть. В общем, конечно, все страны, которые стремятся к такой независимости, они вынуждены иметь собственную мощности.

А сколько таких вообще людей, которые организации, таких центров из сырых данных делают предсказания?

На хорошем уровне около 10 стран. Мы в их числе держимся, так скажем, на рубеже первой пятёрки.

То есть, это США, Англия, Франция, Япония.

На первом месте, как ни странно, Англия. То есть, они самые первые, кто догадался сделать гидрометслужбу. Причём они сделали её достаточно давно, это было где-то во второй половине XIX века. И был такой, на самом деле, как мы сказали, сейчас грустный эпизод, но достаточно такой показательный, что когда показалось, что уже всё готово, что можно прогнозировать, к примеру, сейчас точность прогноза на завтрашний день 97%, а тогда была, считается, около 70%, максимум.

Им казалось, что это достаточно.

Нет, они не знали просто. Они не знали этого, им казалось, что вот уже всё близко, и начали выпускать прогнозы. В итоге первый руководитель метеорологической службы, вот это английская, он покончил жизнь самоубийством, потому что Таймс его затравила. То есть, понятно, что если там 70%, то раз в 3-4 дня, соответственно, прогноз прокалывался, но средства массовой информации тогда спуску не давали.

Я правильно понимаю, что нужны учёные, которые умеют это считать? Ну, модели сами. И они, скорее всего, открытые, да ведь?

Это всё открытый исходный код. Да, полностью открытый исходный код. То есть, это практически вот... Дело в том, что метеорология – самая демократичная область. То есть, уже с того момента, когда кончилась Вторая мировая война, между странами обмен данными, это, кстати, практически больше нигде не происходит, он происходит абсолютно бесплатно.

А это просто открытые данные любой может их скачать? Или там какая-то государственная сеть?

Государственная сеть. То есть, если вы свои данные отдаёте, допустим, маленькой стране, то есть, у неё там 10 метеостанций, в России, чтобы понимать, это уже близко к нескольким тысячам. То есть, если вы там всё, что вы можете, вы это выкладываете в открытый доступ, то вам открывают открытый доступ ко всему миру.

А есть какая-то организация, в которой всё это скапливается, и она дальше раздаёт? Или это прямо... Каждый с каждым?

Всемирная метеорологическая организация, которая одно из подразделений Организации Объединенных Наций.

Антон, расскажи, пожалуйста, как вот на всей этой какой-то глобальной, очень крутой, научной штуке можно зарабатывать деньги? Как вообще из этого сделать мобильное приложение?

Слушай, на самом деле то, что Паша рассказал про 97 или сколько там процентов, если взять те параметры, которые нужны для спорта, все это фигня. Прогноз ошибается гораздо чаще, есть места, в которых он не работает вообще, поэтому ты пытаешься на основе каких-то там признаков понять вообще будет завтра каталка там или еще там что-то.

Подожди, я не понял. Шаг назад. Что значит гораздо хуже прогноз?

Нет, прогноз такой же, просто есть места, в которых не меряют факт, например, да, потому что нету достаточного количества пользователей для того, чтобы для них улучшать эти алгоритмы, и плюс это гораздо большая там ресурсоемкость на эту историю. Есть какая-нибудь там, я не знаю, какой-нибудь пляж, на котором во второй половине дня начинает, например, стабильно там дуть 10 метров в секунду, а в прогнозе стоит 3. Так как в этом месте нет метеостанции, то все эти, кто считает глобальные прогнозы, не знают, что тут есть проблема. У них все 97 процентов. Либо это место, где, не знаю, сезонные какие-то там пассаты дуют или еще что-нибудь такое. Либо это какой-то там локальный рельеф, который заставляет ветер появляться в этом месте.

Ну, я так сказал бы, что Антон абсолютно прав. Ветер именно не является основным метеорологическим элементом.

Тебя осадки интересуют, да?

Нет, температура и осадки обычно существуют, потому что они важны. Осадки – это основной источник экстремальных явлений, температура важна, потому что нам всем она важна. А вот скорость ветра, именно такая, которая хороша для каталки, она прогнозируется, конечно, не так уверенно, и Антон в этом прав.

Это не ваша задача на самом деле.

Дело в том, что в сложном рельефе это, в принципе, уже находится практически уже в пределе предсказуемости, потому что там другие работают совершенно физические механизмы. И вопрос, который решает для себя спортсмен, т.е. вот мне на этих выходных надо выезжать, ветер будет, т.е. он, в общем, конечно, достаточно сложный.

А не интересны государству, Б сложный?

Ну да, то есть, тут вот заблаговременность, она абсолютно не такая, которая для стандартных прогнозов.

Даже вопрос не в заблаговременности. У тебя последний прогноз на сейчас даже очень часто не показывает, что у тебя что-то происходит. Вопрос даже не только в изменчивости прогноза. Еще и в том, что в этом месте просто там вот эти все погодные модели не видят никаких аномалий либо из-за разрешения, либо из-за каких-то там алгоритмов.

Вообще откуда взялась идея сделать приложение для погоды?

Проект начинал Игорь Каменев. В момент, когда он начал заниматься кайтингом, ему сорвало мозг. Он понял, что без этого жить не может. А сразу после этого пришло понимание, что он не может пользоваться продуктами, которые есть на этом рынке. И вот Windy.app. Позже мы с Мишей Акселеродом присоединились к этому проекту. Мы с Мишей хотели заниматься комьюнити, которые решают какие-то свои проблемы. Собираются там, кто-то поехал в лес, застрял там или еще там что-то, и там какую-то помощь там находят. Ну вот такого типа проблемы искать.

То есть вы хотели делать социальную систему?

Ну да. И что-то у нас никак не получалось. Ниоткуда брать пользователей. Параллельно мы познакомились с Игорем, который пилил приложение для кайтеров. Мы объединились на том, что можно... ну, мы для себя решили, что можно развивать комьюнити, составляющую как раз для вот этого спорта, потому что прогноз все равно не будет там достаточно качественный. И тебе порой там какой-нибудь локал, ну, то есть это человек, который живет в этом месте, там катается, там... На основе цвета заката или того, как там птички полетели, может определить, как там завтра будет дуть лучше, чем прогнозная модель.

А сколько таких людей и сколько таких локаций у вас сейчас есть?

Ну, слушай, локаций, не знаю, давай грубо скажем, 50 тысяч, на самом деле их там до 500 тысяч. Ну, то есть их много, потому что у нас локацию может создать каждый пользователь, в котором может появиться чат. Активных там, где общаются. Сложно сказать, что такой активный, потому что они как раз эпизодически возникают. Тот момент, когда у кого-то возникает вопрос. То есть, там не флеймят практически. Там флеймят только эти самые рыбаки. Им хочется показать улов.

У вас можно обмениваться фотографиями?

Да-да-да. Ну, нормальный чат. Типа, заходишь, там все, короче говоря, все как у всех. Вот. Внутри даже есть корпоративная культура. У нас комьюнити-менеджер наш поздравляет всех с днем рождения фотографиями рыб из наших чатов. Ну, вот комьюнити составляющая. Потом получилось, что за погоду люди начали платить. То есть, мы сделали краудфандинг. В тот момент, когда уже было пользователей, по-моему, что-то в районе 100 тысяч пользователей у нас было.

Подожди, на что они вообще приходили?

Больше всего пользователей нам привели ураганы. Потому, что в этот момент какая-то локальная происходит история. Она очень красиво выглядит на карте ветров. Такая красная штука. Идет там, типа, крутится и так далее. Это позволило занять хорошие позиции в сторах по ключевым словам, не особенно даже этим занимаясь. Ну а дальше начали уже отстраивать какой-то там маркетинг, ну там типа на коленке, не называя это никакими словами, типа маркетинг. И начали приходить пользователи. Вторая история. Приложение действительно оказалось красивым, удобным и так далее. И очень хорошо сработал сарафан. Просто до этого момента, скажем, красивых, прикольных приложений не было. Плюс это было на волне самого роста мобилы. Это тоже очень сильно помогало с рынка.

А у вас было бесплатное приложение, потом вы в него просто сказали, вот эта фича теперь будет платной?

Да, у нас было бесплатное приложение, стартап мы позиционировали, это как соцсеть. То есть, не будет погоды, мы будем решать другие проблемы. Этого вы не обращайте внимания, мы делаем на самом деле другое. Потом мы поняли, что эта тема почему-то инвесторам не заходит, и начали монетизироваться. Ну, то есть мы даже не монетизироваться, мы решили проверить, а могут ли пользователи за это все-таки платить. Запустили краудфандинг, поняли, что может. И когда начинают тебе платить пользователи, ты уже не можешь с этого слезть, ты как бы уже... Ну, то есть у тебя происходит такое, типа, сразу ты чувствуешь, вот, это нужно пользователям. У тебя контакт с пользователем возникает именно на ту тему, что ты понимаешь, куда дальше развивать продукт. И как бы начали развиваться монетизации именно погоды.

Сколько человек сейчас платит? Много. Типа десятки тысяч.

Может, больше даже.

А вот этот момент, когда тебе начинают платить пользователи, ты понимаешь, что это им на самом деле нужно. Скорее всего, вообще такой драйв сразу появляется.

Да-да, это очень круто. Но на самом деле, до этого еще предвестником было то, что пользователи говорили, почему же приложение бесплатное такое крутое, куда заплатить?

Я, кстати, вот прямо сейчас открыл приложение, и здесь сначала нужно выбрать, каким спортом ты занимаешься. никаким спортом.

Это то, почему мы теряем огромное количество пользователей, которые, типа, не наша спортивная аудитория. Что мы не дорабатываем для тех, кто ставит... Большая кнопка скип. Да-да-да, что мы не дорабатываем по обычной простой аудитории, которой нужна тоже профессиональная погода. Зачем-то? Зачем мы не знаем?

Да просто прикольно. Как вообще взять эти данные? Потому что вот эта сеть обмена информацией, она типа государственная.

На самом деле большинство агентств выкладывают эту информацию бесплатно.

То есть, это уже готовое предсказание погоды.

Да. То есть, у нас часть данных берем из бесплатных источников, часть покупаем. И еще считаем сами.

Считаете сами?

Да.

Я все-таки не понял. Вот есть организации, которые делают эти прогнозы. Как вы их получаете?

Скачиваем. Есть формат GRIB, который разработан. Какой-то там бинарный формат непонятный, в котором никто не может разобраться. И поэтому... Он архаичный еще такой. Откуда он вообще берется? Есть серверы, с которых... Есть FTP-серверы, куда это выкладывается. У тебя работает там... скрипт, который его скачивает, подальше переваривает и кладет в свое хранилище данных в том формате, в котором можно потом сделать быстрый вывод этого всего. Потому что у нас high-load вся эта история.

Кэширование.

И кэширование. И он должен быть ровно в том формате, чтобы он быстро выводил данные именно там, например, по времени, а не по месту. Короче, его надо переварить в тот формат, в котором ровно он используется.

Скажи, пожалуйста, GRIB-файл. Что в нем есть? В нем есть предсказание на ближайший час или на ближайшие 10 часов по часовой дельтой? Как это работает?

Обычно на 10 дней. Сначала идет либо по часу, либо по 15 минут. И потом постепенно 3 часа, потом 6 часов и так далее. Есть на 16 дней.

И у всех организаций один и тот же формат?

Практически, да.

Они чуть-чуть разные. Но в целом, кто-то научился с одним работать, обычно с другим тоже можно.

И у скольких организаций вы его выбираете?

Ну, начинали мы с Американцев. Они бесплатные. DWD (Deutscher Wetterdienst). Вот. Они бесплатные.

Они все дают на весь мир или только на какую-то локаль?

Это глобальные модели. Локальные мы тоже берем. Локальные мы берем, например, французскую модель. Потом мы берем... Ребята считают... Греки с Израилем считают... Не государственные. Для Средиземки. У немцев есть потом своя... На свою территорию. а также на Европу. Ну, короче говоря, мы начинали с моделей из глобальных, а потом начали добавлять какие-то локальные модели.

А русскую берете?

Не, не берем.

А почему?

Не дают. Я поясню, подкуда это берется. Дело в том, что в Штатах, почему первые в том числе NOAA, По американскому законодательству все, что разработано на деньги налогоплательщиков, должно быть в свободном доступе. То есть, любой налогоплательщик должен зайти и посмотреть, вот я вижу, да, мои деньги это сделано. Поэтому NOAA была самой первой организацией, которой стали выкладывать вот эти автоматические модельные прогнозы на FTP-сервера, потому что у них это было прописано. Качество, кстати, тогда было не очень, потому что по всему миру, то есть, допустим, для штатов они как-то так хорошо Это дело все корректировали, а вот для всего мира было не очень. И ушлые люди быстро сообразили в какой-то момент, что можно просто самому ничего не считать, а просто на территорию своей страны брать вот эти вот... Это же на всю землю делается прогноз. Брать вот эти вот сырые данные прогноза и их выдавать за прогноз. Кстати, в этом, в принципе, огромная проблема, которая у людей с 90-х осела в головах. что именно автоматические прогнозы плохие.

Потому что они берут американские прогнозы.

Тогда они были плохие. Тогда они были просто отвратительные. Но сейчас уже глобальные модели позволяют лучше делать прогноз с точностью ячейки в 10 раз лучше. То есть, это 12 на 12 километров. А региональные вообще до 500 метров. Это, в принципе, для каждого микрорайона, в принципе, Это уже реально, если делать правильно. То есть, в принципе, чтобы делать прогноз, допустим, для своего небольшого населенного пункта, и тут нужно понять, что тут уйдет время на скачивание изначальных данных, в том числе стартовых американских, для настройки как раз этих погодных моделей под именно свой регион.

Основываясь на чем?

Основываясь на данных, соответственно, вот этих по текущей погоде всего земного шара, которые свободно распространяются.

Подожди, подожди. Я беру общую модель для всего мира.

Нет, нет, нет.

Я беру данные для всего мира.

Вот важный момент. Общую модель уже посчитала. Данные и эти вот гридированные поля. Что это значит? Грид – это, соответственно, сеточные поля.

То есть, для каждой точки земного шара, она говорит, погода будет вот такая.

Да, соответственно. Или наоборот, берет всю погоду, которая была измерена по земному шару, причем всем чем угодно, спутниками, метеостанциями и так далее, и их определенным математическим образом просто раскидывает по сетке для всего земного шара. И вот с этой вот изначальных условий можно стартовать уже локальные модели. Вот чтобы стартовать локальную модель для небольшого города, в принципе, достаточно вот того ноутбука, который сейчас передо мной.

А насколько эта модель будет лучше, чем американская метеорологическая служба отдает?

Это зависит уже, на самом деле, от файн-тюнинга. Скорее всего, т.е. для... Т.е. тут уже нужны мозги человеческие. Тут уже нужны мозги, тут нужны мозги...

А что ты используешь? Как бы что, кроме вот... Есть модель американская, данные американские, а что ты вкладываешь туда своего? Ты берёшь, смотришь карту высот, или ты смотришь на то, что происходило раньше? В чём как бы человеческое... Смотри.

Вот эти региональные погодные модели— это по сути конструктор. У них есть огромное количество деталек, из которых можно выбрать конфигурацию, которая подойдет именно твоему месту, именно твоим задачам. Хочу предсказывать точный ветер, допустим, в юго-западном районе Москвы. Вот для этого нужно из этого конструктора, который, собственно говоря, набор деталей, собрать именно ту конфигурацию, которая будет хороша а для ветра и подойдет именно для московского региона.

Подойдет. Ты на исторических данных проигрываешь модели, смотришь, попадает она или нет?

Либо на исторических, либо на самом деле уже есть некоторые заключения людей, которые профессионально гоняют вот этот вот конструктор. Допустим, такие конструкции хорошо работают для ветра. такие-то хорошо работают для городов. И можно нанять 10 специалистов, соответственно, и довести его до такой звенящей точности, ну как делается, например, когда во Франции проходит Ролан-Гарос, турнир по теннису. И нужно понимать, на самом деле, вот сейчас вот в данном районе Парижа осадки будут, накрываем корты или нет. У нас так было для Сочи, например.

Звучит как задача просто перебора... Ну, то есть, это то, что делает машина на обучение хорошо. Это поиск минимума в гигантском количестве параметров.

Паш, забыл сказать, что у тебя факта, скорее всего, с которым сравнивать, нет.

Да, это важный момент.

Поэтому оценка будет субъективная. Если ты хочешь научиться субъективно оценивать, то тебе к Паше на курс по метеорологии восьмилетний.

Например, мы делаем так, мы сами, соответственно, проводим измерительные так называемые полевые кампании, в ходе которых мы получаем наборы данных, которых в природе до сих пор не существовало.

Я тебе много раз говорил, порогнать на исторических данных, но исторических данных, по сути, нет.

Но дело в том, что исторические данные бывают разной достоверности. То есть, именно если прогнозировать такие опасные явления, как, допустим, усиление ветра в Москве в 2017-м, когда деревья попадали и были жертвы, они происходят редко, и машинное обучение их пропускает. Просто потому, что очень скудная статистика, на которые можно обучать, выборки нет. И именно для метеорологии это работает плохо.

А где в России брать вот эти модели звенящей точности? На Гисметео или где?

Свободное скачивание, а потом доводка напильником.

Нет, подожди, я не буду давать напильникам эти модели.

На самом деле, если говорить о капитализации подобной задачи, то те деньги, которые нужны для того, чтобы набрать 10 спецов, причем со всего мира, не обязательно из России, это просто ничто по сравнению с доходом от такого качественного прогноза.

То есть, ты хочешь сказать, что в России сейчас нет такой хорошей доведенной модели региональной?

Нет, на которую уже, я считаю, Россия и Москва заслужили право, хорошей пока нет.

Вау. У меня сейчас в голове немножко не укладывается. Росгидромедцентры, это же как раз организация, которая должна, скорее всего, я подозреваю, что она обслуживает эти метеостанции, но она же еще должна и модель, собственно, тюнить.

Ну, они тюнят. То есть, это происходит. Не то чтобы плохо. Вот для ветра не очень, например. Особенно для тех территорий, на которых катаются Антон и его друзья.

Да. Ну, мы пока начинаем с ветра. У нас есть персональные метеостанции, которые там за 200 баксов можно купить метеостанцию, поставить. Ты будешь знать ветер в реальном времени. Плюс там история будет копиться. Мы сейчас работаем над этим направлением, можем уточнять прогноз вокруг этой метеостанции. Он будет в глобальном масштабе, его нельзя использовать, но локально улучшать, если там есть какая-то там постоянная, например, ошибка, как раз это может работать.

Слушай, а есть аналоги?

Да есть, конечно. Но вопрос на самом деле не в этом. Прикол в том, что мы можем пробовать новые технологии, потому что мы погодный агрегатор, и у нас пользователи смотрят различные погодные модели, погодные источники и сравнивают между собой.

И выбирают тот, которому больше нравится.

Добавляя еще один источник, мы можем получать с них ответ, типа, лучше он, хуже в какие-то моменты и так далее. чем другой, и добавляя еще один источник, мы повышаем точность, мы повышаем... в любом случае, даже если этот источник... даже если результат плохой. И ты можешь страховаться от того события, от которого ты хочешь.

И понять, что вот эта модель обычно предсказывает правильно дождь.

Ну, и потом ты начинаешь наблюдать, и у тебя возникает некоторая интуиция, хотя... Не

рассеясь в голове, и у тебя начинает работать.

Хотя вот Паша отрицает этот подход, он говорит, что это антинаучно, потому что пользователь очень субъективно нейросеть в голове, короче, неправильно работает.

Ну да. Ты один раз ложанулся, условно говоря, и у тебя в голове это отложилось. Допустим, когда люди оценивают прогнозы, они очень много личного туда привносят. То есть, например, если 30 дней было хорошо, а на 31 день шашлыки завалилось снегом, то человек запомнит этот день.

И не будет в этом моделе больше никогда.

Да, хотя если так посчитать, 31 день в процентах получится 3%. То есть, это очень хороший результат. То есть, а в остальных он просто так не попадет, но ему, значит, поэтому тут вот очень важно как раз смотреть на сухие данные.

Это как раз классный момент, почему вообще пользователи ставят какие-то приложения погодные. Потому что предыдущее наврало один раз. И ты хоп, а у тебя появился новый пользователь. Дальше тебе задача его... До тех пор,

пока ты не должен обманываться.

Да-да-да, обманывать как можно меньше или там не вовремя, и так далее.

А ты, значит, его пытаешься удержать тем, что говоришь, у меня тут много разных предсказаний, выбери другой.

Да-да, то есть у меня пользователи говорят не прогноз ошибся, а вчера сработала вот эта модель, а сегодня вот эта.

А-а-а, ты четверо. То есть гениальность Антона вообще понятна вот здесь вот, да? То есть как бы дать человеку как можно больше всего и сказать... Кто сам выбирает. Чувак, мы тебе вот все выдали, а дальше у тебя есть мозги. Неудобно сказать, что я ничего не соображаю. Он начинает что-то смотреть.

Я вот уволился, у меня типа есть время на то, чтобы попробовать то, что мне самому нравится. И у меня одна из таких идей проектов— это тупо собирать с разных сайтов погоды погоду и откуда-то брать настоящую погоду, которая...

То есть ты уже чувствуешь, что проблема будет в том, что откуда-то брать настоящую погоду? Это уже самый первый подводный камень, к которому ты внутренне готов.

На самом деле, у нас сейчас готовится Windy.app. У нас будет показываться за последнее время, какая модель лучше угадала.

Минимальная дельта.

Ошибку модели там, где есть метеостанции.

Вот я про себя скажу. Я живу в Риге, и у меня снег был типа два дня, наверное, за всю эту зиму. Ну, может, три. И мне ждать снега дальше? Или то, что сегодня было... ну, в этом году было так тепло, это означает, что дальше будет только хуже?

Конечно же, у нас это не будет происходить вот так вот, чтобы в какой-то момент просто снег исчезнет и всё. Но количество более тёплых зим от десятилетия к десятилетию будет повышаться.

Ну вот пошёл метеорологический ответ. Как бы не прикопаешься, но при этом, скорее всего, на следующую зиму, значит, будет снежная.

А дело в том, что прогнозы как раз на следующую зиму, они вот самые неудачные, можно сказать. То есть, хорошо прогнозируется погода на завтра, хорошо прогнозируется климат на ближайшие десятилетия. Усредненные. Почему на самом деле как раз все вот эти экологические активисты переживают? И почему Парижское соглашение? Потому что Уже высокая точность достаточно от прогнозов на середину XXI века и на конец. Они покажут вообще достаточно опасные вещи. А вот так называемые прогнозы внутри десятилетия, то есть какой будет зима через два года, через три, это как раз самая большая проблема. То есть их качество невысоко, и пока что с этим делать не очень понятно. Значит, прогнозировать климат всегда на 50 лет вперед самое классное занятие. Потому что никто не проверит. А с другой стороны, это реально проще. Реально проще предсказывать средний климат. Но это хорошо тем, что мы, в принципе, имеем таким образом... Вот уже где-то 10 лет мы имеем технологию, при которой мы можем развивать промышленность, развивать хозяйство, более-менее понимая, допустим, что будет происходить в середине века.

То есть, агропромышленный комплекс сейчас использует предсказания на 10 лет.

Развитие его, в принципе, да. И такие вещи, как, например, захоронение ядерных отходов. То есть, в какой области их будет...

Типа мерзлоту уже не надо использовать.

Безопасно, да. Где мерзлота отступит, где, соответственно, можно строить. То есть, это, в принципе, опять же, стратегическая область.

Я стал метеорологов гораздо больше после этого подкаста, чем до. До этого мне казалось, что они делают довольно тупую работу, типа собрали данные с датчиков, впихнули это в мат-модель, получили результат. Оказывается, что нет, что данных нет, мат-модели слишком сложные, и то, как у них это получается как-то из этого получать результат, это близко к магии. Это подкаст студии Либо-Либо, и мы его сделали совместно с сервисом онлайн-образования Яндекс Практикум. Над подкастом работали редактор Андрей Борзенко, младший редактор Юлия Яковлева, звукорежиссер Павел Цуриков, продюсер Павел Боровков. За джингл спасибо Алексею Зеленскому. Подписывайтесь и слушайте нас везде, где вы слушаете подкасты. Ставьте нам оценки и комментарии, это для нас очень важно.