Google DeepMind migliora le previsioni meteo del 90%

Google DeepMind, la squadra di ricerca Google, ha annunciato un nuovo modello AI di previsioni meteo che supera i sistemi tradizionali con un’affidabilità maggiore del 90: battezzato GraphCast, il modello di apprendimento automatico promette previsioni a 10 giorni che sono migliori, più veloci e più efficienti dal punto di vista energetico rispetto agli strumenti che alimentano le app meteo odierne.

“Crediamo che questo segni un punto di svolta nella previsione del tempo”, hanno scritto i ricercatori di Google DeepMind in uno recente studio. In generale il modello attuale per le previsioni è chiamato “previsione numerica del tempo (NWP)”.

NWP inserisce le condizioni meteorologiche attuali in enormi modelli che simulano i cambiamenti futuri basandosi sui principi della fluidodinamica, della termodinamica e di altre scienze atmosferiche. È complicato, costoso e richiede un’enorme potenza di calcolo.

Invece di eseguire simulazioni su come le molecole voleranno e si scontreranno l’una con l’altra, GraphCast rompe con la tradizione mettendo un’enfasi maggiore sui dati storici. In altre parole, è un modello di apprendimento automatico che fa previsioni basate su quello che è successo in passato.

C’è molta scienza informatica sotto al cofano, ma in generale, è molto più semplice in termini di livello e numero di calcoli necessari. GraphCast parte dallo stato attuale del meteo sulla Terra e dai dati sul meteo di sei ore prima. Poi, fa una previsione su come sarà il meteo dopo sei ore. GraphCast alimenta poi quelle previsioni nel modello, esegue lo stesso calcolo e restituisce previsioni a più lungo termine.

Il team di Google ha confrontato i risultati di GraphCast con il modello attuale utilizzato per la previsione meteorologica a medio termine, chiamato HRES. Secondo lo studio, GraphCast ha superato in modo “significativo” HRES nel 90% degli obiettivi utilizzati nel test.

GraphCast ha avuto anche un successo sorprendente nel prevedere eventi meteorologici estremi, compresi cicloni tropicali e cambiamenti improvvisi di temperatura, anche se non è stato specificamente addestrato per gestire tali informazioni.

Gli autori dello studio affermano che il loro lavoro è destinato ad affiancare i sistemi standard a cui si affidano i meteorologi “Il nostro approccio non dovrebbe essere considerato come una sostituzione dei metodi tradizionali di previsione del tempo”.

Per tutto ciò che riguarda l’Intelligenza artificiale rimandiamo alla sezione dedicata di macitynet.