Google DeepMind ha recentemente svelato un nuovo modello di intelligenza artificiale (IA) dedicato alla previsione meteorologica, capace di superare l’accuratezza delle previsioni attuali della Korean Meteorological Administration. Ciò che rende questa innovazione particolarmente sorprendente è la possibilità di ottenere previsioni meteorologiche anche su un normale computer in pochi minuti.
L’annuncio di DeepMind è stato pubblicato sulla prestigiosa rivista scientifica “Science” e riguarda il modello “GraphCast”, un’IA in grado di generare previsioni meteorologiche accurate per un periodo di 10 giorni in soli 60 secondi.
GraphCast ha dimostrato una straordinaria precisione, superando di oltre il 90% i test di confronto con il metodo standard attuale di previsione meteorologica noto come previsione numerica (NWP). Inoltre, il modello ha dimostrato una performance eccezionale nella previsione di eventi meteorologici estremi.
Mentre la NWP si basa su complessi modelli matematici fondati su principi fisici, che richiedono supercomputer e costose risorse di calcolo per elaborare dati da boe, satelliti e stazioni meteorologiche in tutto il mondo, GraphCast ha adottato un approccio innovativo. Questo modello è stato addestrato utilizzando dati di osservazione meteorologica raccolti dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) tra il 1979 e il 2017, coprendo un arco temporale di 40 anni.
GraphCast si basa su una rete neurale a grafo (GNN), una struttura dati in grado di memorizzare e collegare informazioni in modo efficace, risultando particolarmente utile per comprendere i fenomeni meteorologici complessi. Utilizzando dati meteorologici globali attuali e dati da 6 ore fa, il modello prevede il tempo per le successive 6 ore e utilizza queste previsioni come input per generare una previsione meteorologica accurata per i successivi 10 giorni. Impiegando i potenti cloud computer Google TPU v4, GraphCast riesce a produrre previsioni a 10 giorni in soli 60 secondi.
I risultati del confronto tra GraphCast e il modello di previsione a medio termine “Hi-Resolution (HRES)”, attualmente considerato il più accurato, sono impressionanti. GraphCast ha superato significativamente HRES nel 90% dei 1.380 punti di verifica, tra cui temperatura, pressione atmosferica, velocità e direzione del vento, e umidità. Addirittura, nell’importantissima regione troposferica, da 6 a 20 km sopra la superficie terrestre, GraphCast ha superato HRES del 99%.
GraphCast si è dimostrato particolarmente efficace nella previsione di eventi meteorologici estremi, tra cui cicloni tropicali e situazioni di caldo o freddo eccezionale.
Matthew Chantry, coordinatore del machine learning dell’ECMWF, ha osservato che “l’intelligenza artificiale sta rivoluzionando le previsioni meteorologiche”, evidenziando anche i vantaggi economici, poiché una volta addestrato, il modello richiede costi operativi significativamente inferiori rispetto ai tradizionali approcci NWP, che consumano notevoli risorse energetiche e costi di calcolo.
Tuttavia, alcuni meteorologi hanno sollevato delle preoccupazioni riguardo all’adozione completa dell’intelligenza artificiale nelle previsioni meteorologiche. Il professor Aditya Grover dell’UCLA ha sottolineato che l’IA è una “scatola nera” che non rivela il processo decisionale, aumentando così il rischio di bias e limitando la trasparenza delle previsioni.
Chantry ha anch’egli enfatizzato che l’IA non dovrebbe essere vista come un sostituto delle metodologie esistenti, ma piuttosto come un complemento.
Google DeepMind ha reso GraphCast open source su GitHub, e diverse agenzie meteorologiche stanno già utilizzando con successo questo modello per migliorare le loro previsioni meteorologiche.