“Un nuovo modello di intelligenza artificiale migliora la precisione delle previsioni meteorologiche e dei rischi connessi agli eventi meteo estremi, offrendo previsioni più rapide e accurate fino a 15 giorni in anticipo”. La rivendicazione è di Google DeepMind, uno dei colossi dell’hi-tech che si sta cimentando col lo sviluppo e le possibili applicazioni della AI. L’annuncio fa seguito alla pubblicazione sulla prestigiosa Nature di un articolo in cui viene presentato GenCast, “il nostro nuovo modello di ensemble AI, che fornisce previsioni migliori sia del meteo giornaliero che degli eventi estremi rispetto al sistema operativo principale quello dello European Centre for Medium-Range Weather Forecasts (ECMWF), fino a 15 giorni in anticipo. Google spiega che GenCast è stato addestrato e allenato fornendogli “quattro decenni di dati meteorologici storici dall’archivio ERA5 dell’ECMWF. Questi dati includono variabili come temperatura, velocità del vento e pressione a varie altitudini. Il modello ha appreso modelli meteorologici globali…”.
Che l’intelligenza artificiale possa essere il futuro delle previsioni meteo lo ammette anche Carlo Buontempo, direttore del programma europeo Copernicus, al quale Green&Blue ha chiesto un commento. “Lo sviluppo di GenCast, un modello di previsione meteorologica basato sull’intelligenza artificiale (Machine Learning Weather Predictions MLWP nel suo acronimo inglese), segna una pietra miliare significativa nell’evoluzione delle previsioni meteorologiche”, conferma Buontempo. Che però precisa come quello messo a punto da Google non sia una novità assoluta. “GenCast è uno degli ultimi modelli di machine learning esaminati in una serie di articoli scientifici di alto profilo, che evidenziano la continua evoluzione (e rivoluzione) nelle previsioni meteorologiche”.
Lo stesso ECMWF, di cui Copernicus è una emanazione, ci lavora da tempo. “Abbiamo abbracciato questa rivoluzione integrando il nostro modello basato sulla fisica, l’Integrated Forecasting System (IFS), basandoci sulla scienza del machine Learning applicata al meteo e sviluppando l’Artificial Intelligence Forecasting System, AIFS, il nostro MLWP che adesso funziona in modo operativo”, continua Buontempo. Alcune componenti chiave dell’approccio di GenCast sono state integrate in una versione dell’AIFS: “Già dal giugno scorso, gli utenti possono vedere previsioni di ensemble live utilizzando AIFS che sfrutta alcune delle tecniche chiave sviluppate nel lavoro GenCast, in combinazione con la nuova ricerca dell’ECMWF”, spiega infatti Buontempo. Sul sito dell’ECMWF si trovano una serie di carte meteo e alcune (“sperimentali”, si sottolinea) sono ottenute con il modello di intelligenza artificiale AIFS.
Ricerca
Il Cmcc apre Dataclime cards, mappe per il futuro clima dell’Italia
06 Marzo 2024
L’annuncio era stato dato poco più di un anno fa da Florence Rabier, direttrice generale dell’Agenzia meteo europea: “Abbiamo deciso di lanciare l’AIFS sulla scia delle iniziative di diverse aziende per produrre previsioni meteo basate su metodi di apprendimento automatico. Tra queste, FourCastNet di Nvidia, Pangu-Weather di Huawei e il modello di Google DeepMind. Abbiamo reso disponibili questi sistemi sulle pagine pubbliche dei grafici dell’ECMWF, in base alle nostre condizioni iniziali. L’AIFS è stato ora aggiunto a quelle pagine”.
Google rivendica la sua supremazia: una risoluzione più alta (vale a dire un reticolo in cui è divisa la superficie terrestre le cui maglie sono più fitte), un ampio margine di preavviso (15 giorni) e in generale risultati migliori di quelli forniti dalle previsioni tradizionali di ECMWF. “Ci sono domande e discussioni aperte su quello che può essere l’equilibrio ottimale tra i sistemi di previsione basati di machine learning e quelli tradizionali”, fa però notare Buontempo. “Un’ampia comunità scientifica, tra cui l’ECMWF, sta attivamente esplorando questo aspetto. GenCast presenta una buona scienza dal punto di vista del machine learning, ma questi miglioramenti devono essere testati su quanto bene si comportano in eventi meteorologici estremi per apprezzarne appieno il valore”.
