Con l'Intelligenza Artificiale, le previsioni meteo potrebbero diventare affidabili anche fino a 15 giorni in anticipo: ecco come funziona il modello di Google. I nuovi modelli di intelligenza artificiale, come GenCast, si propongono di anticipare i movimenti dell'atmosfera terrestre analizzando i dati meteorologici storici. Inoltre, sono in grado di effettuare simulazioni più rapide utilizzando una minore potenza di calcolo. Tuttavia, esiste una difficoltà: a causa del riscaldamento globale, rimane complicato prevedere eventi estremi.
Previsioni meteo con l'Intelligenza Artificiale: come funziona
Ogni giorno ci basiamo sulle previsioni del tempo per prendere decisioni importanti, come portare un ombrello, evitare aree a rischio di alluvione o prepararci a un'ondata di calore. Fino ad ora, è stato complesso effettuare previsioni accurate a lungo termine, nonostante l'uso di equazioni matematiche sofisticate e l'analisi di enormi quantità di dati in tempo reale. Tuttavia, l'intelligenza artificiale potrebbe offrire una soluzione a questo problema.
Un recente studio pubblicato da DeepMind sulla rivista Nature ha presentato un nuovo modello chiamato GenCast, capace di prevedere le condizioni meteorologiche in modo affidabile fino a 15 giorni in anticipo.
"È un risultato straordinario", ha commentato Peter Dueben, esperto di apprendimento automatico e responsabile della modellazione del sistema terrestre presso l'European Center for Medium-Range Weather Forecasts, in un'intervista con la CNN. "Rappresenta un grande progresso". Secondo la ricerca, GenCast, che sfrutta l'intelligenza artificiale di DeepMind di
Google, ha fornito previsioni significativamente più precise rispetto ai modelli tradizionali.
Come vengono effettuate le previsioni meteorologiche
I modelli tradizionali per le previsioni del tempo si fondano su complesse equazioni matematiche che simulano la fisica atmosferica, utilizzando centinaia di milioni di dati derivanti da osservazioni meteorologiche in tempo reale. Grazie a questo approccio, è possibile anticipare le condizioni meteorologiche per il giorno successivo, per una settimana o anche per un mese. I processi di meteorologia numerica sono stati introdotti per la prima volta all'inizio del XX secolo. Inizialmente, i calcoli venivano effettuati manualmente, rendendo il metodo lento e laborioso. Con l'avvento dei primi computer negli anni '50 e '60, la situazione è migliorata, ma è stato solo nel 1974 che è stato lanciato il primo modello di previsione meteorologica.
Attualmente, i supercomputer sono in grado di effettuare calcoli e previsioni molto dettagliate, ma su un periodo di tempo limitato. I nuovi modelli di intelligenza artificiale, come GenCast, seguono un approccio differente. Questi modelli mirano a prevedere i movimenti e i cambiamenti dell'atmosfera terrestre analizzando i dati meteorologici storici. Inoltre, sono in grado di eseguire simulazioni più rapide utilizzando una minore potenza di calcolo. Secondo lo studio, GenCast può realizzare decine di simulazioni in parallelo. "Il modello non solo genera diversi futuri possibili, ma consente anche di identificare quelli più probabili", ha dichiarato Ilan Price, autore principale della ricerca e ricercatore senior presso DeepMind.
Funzionamento di GenCast
I ricercatori hanno addestrato GenCast utilizzando 40 anni di dati meteorologici, fino al 2018. Questo modello è stato impiegato per prevedere oltre 1.300 combinazioni di condizioni atmosferiche, calcolando temperature, precipitazioni e velocità del vento. Secondo lo studio, GenCast ha fornito previsioni più precise rispetto al modello tradizionale dell'ECMWF, superando il 97% di accuratezza in un intervallo di 15 giorni. "Si è registrato un miglioramento dell'accuratezza compreso tra il 10 e il 30% nelle previsioni per il periodo di tre a cinque giorni", ha dichiarato Price. Questi risultati rappresentano un “punto di svolta nella tecnologia di modellazione meteorologica basata sull’intelligenza artificiale.”
Quali sono i potenziali problemi dei nuovi modelli
GenCast presenta delle imperfezioni. "Il modello di apprendimento automatico non ha conoscenze di fisica", ha spiegato Dueben, e formula previsioni future basandosi su dati passati, rendendo quindi più complessa la previsione di eventi estremi che non si sono verificati in anni precedenti. In un contesto di riscaldamento globale e crisi climatica, questo potrebbe rappresentare una criticità. Inoltre, secondo Düben, i modelli di intelligenza artificiale potrebbero iniziare a generare una fisica irrealizzabile per il nostro pianeta. "Si può essere scettici riguardo alle previsioni basate sull'apprendimento automatico", ha sottolineato Dueben, "ma è innegabile che questi modelli avranno un effetto positivo sulle nostre previsioni meteorologiche".
