DeepMind afferma che il suo modello di previsione del tempo AI batte i modelli convenzionali
In un articolo pubblicato sulla rivista Nature , i meteorologi hanno fornito un modello di intelligenza artificiale per prevedere gli eventi meteorologici a breve termine al primo posto in termini di precisione e utilità nell’88% dei casi. Segna la prima volta che i meteorologi professionisti hanno espresso una preferenza per un modello basato sull’apprendimento automatico rispetto ai metodi convenzionali, afferma DeepMind, che ha sviluppato il modello, aprendo la strada a nuovi approcci di previsione meteorologica che sfruttano l’intelligenza artificiale.
Mentre gli studi suggeriscono che alcune forme di apprendimento automatico contribuiscono in modo significativo alle emissioni di gas serra, la tecnologia è stata proposta anche come strumento per combattere il cambiamento climatico. Ad esempio, un progetto IBM fornisce consigli sulla coltivazione agricola da “gemelli” di fattorie digitali che simulano le condizioni meteorologiche e del suolo future delle colture del mondo reale. Altri ricercatori stanno utilizzando immagini generate dall’intelligenza artificiale per aiutare a visualizzare i cambiamenti climatici e stimare le emissioni di carbonio aziendali e organizzazioni non profit come WattTime stanno lavorando per ridurre l’impronta di carbonio delle famiglie automatizzando quando veicoli elettrici, termostati ed elettrodomestici sono attivi in base a dove è disponibile energia rinnovabile .
“Il “nowcasting” delle precipitazioni, la previsione ad alta risoluzione delle precipitazioni fino a due ore in anticipo, supporta le esigenze socioeconomiche del mondo reale di molti settori che dipendono dal processo decisionale dipendente dalle condizioni meteorologiche”, si legge nel documento DeepMind. “Il nowcasting abile è un problema di vecchia data importante per gran parte del processo decisionale dipendente dalle condizioni meteorologiche. Il nostro approccio che utilizza modelli generativi profondi affronta direttamente questo importante problema, migliora le soluzioni esistenti e fornisce le informazioni necessarie per i decisori del mondo reale”.
Previsione degli eventi meteorologici
Il “nowcasting” è la chiave per il processo decisionale dipendente dalle condizioni meteorologiche perché informa le operazioni di servizi di emergenza, gestione dell’energia, vendita al dettaglio, sistemi di allarme rapido per inondazioni, controllo del traffico aereo, servizi marittimi e altro ancora. Ma affinché il nowcasting sia utile, la previsione deve fornire previsioni accurate e tenere conto dell’incertezza, compresi gli eventi che potrebbero avere un grande impatto sulla vita umana.
Negli ultimi anni sono stati sviluppati diversi approcci basati sull’apprendimento automatico. Formati su grandi set di dati di osservazioni radar, mirano a modellare meglio le precipitazioni intense e altri fenomeni di precipitazione difficili da prevedere. Ad esempio, Google ha collaborato con la National Oceanic and Atmospheric Administration (NOAA) degli Stati Uniti per studiare e sviluppare sistemi di apprendimento automatico che potrebbero essere integrati nell’azienda della NOAA. Microsoft ha anche finanziato gli sforzi per identificare i modelli meteorologici e climatici ripetuti dai dati storici come un modo per migliorare i modelli di previsione stagionali e substagionali.
Ma DeepMind osserva che i modelli di nowcasting AI non sempre includono modelli meteorologici su piccola scala o forniscono previsioni su intere regioni. In alternativa, la società sostenuta da Alphabet ha creato un modello generativo profondo (DGM) per la previsione, che ha appreso le distribuzioni di probabilità dei dati – funzioni che descrivono tutti i possibili valori che una variabile casuale potrebbe assumere – per generare “nowcast” dalle sue distribuzioni apprese .
Sopra: il modello AI di DeepMind prevede gli eventi meteorologici fino a 90 minuti in anticipo.
DeepMind afferma che i DGM possono prevedere eventi meteorologici che sono intrinsecamente difficili da tracciare a causa della casualità sottostante. Inoltre, possono anticipare la posizione delle precipitazioni con la stessa precisione dei sistemi sintonizzati sul compito, preservando le proprietà utili per il processo decisionale.
DeepMind ha addestrato il suo DGM su un ampio set di dati di eventi di precipitazione registrati dal radar nel Regno Unito tra il 2016 e il 2018. Una volta addestrato, potrebbe fornire nowcast in poco più di un secondo in esecuzione su una singola GPU NVIDIA V100.
Rispetto ad altri popolari approcci di nowcasting, inclusi altri modelli di apprendimento automatico, il DGM di DeepMind – giudicato da una giuria di 56 meteorologi – ha prodotto previsioni più realistiche e coerenti su regioni fino a 1.536 chilometri per 1.280 chilometri e con tempi di consegna da 5 a 90 minuti in anticipo .
“Utilizzando una valutazione sistematica di oltre 50 meteorologi esperti, dimostriamo che il nostro modello generativo si è classificato al primo posto per la sua precisione e utilità nell’89% dei casi rispetto a due metodi competitivi”, si legge nel documento. “Mostriamo che il nowcasting generativo può fornire previsioni probabilistiche che migliorano il valore della previsione e supportano l’utilità operativa, e a risoluzioni e tempi di consegna in cui i metodi alternativi lottano”.
Applicazioni del mondo reale
Il modello di DeepMind e altri simili stanno emergendo in un momento in cui il cambiamento climatico è al primo posto per le più grandi aziende del mondo. Come ha recentemente scoperto un’analisi CDP, 500 delle più grandi società potenzialmente dovranno affrontare circa $ 1 trilione di costi relativi ai cambiamenti climatici nei decenni a venire, a meno che non adottino misure proattive per prepararsi.
Precedenti studi hanno stimato che i rischi del riscaldamento globale, se non gestiti, potrebbero costare al settore finanziario mondiale tra 1,7 trilioni di dollari e 24,2 trilioni di dollari. In un esempio lampante, Pacific Gas and Electric, la più grande utility elettrica della California, ha dovuto affrontare fino a 30 miliardi di dollari nel gennaio 2019 solo in responsabilità per incendio.
Yann LeCun, capo scienziato dell’intelligenza artificiale di Facebook, e il cofondatore di Google Brain Andrew Ng, tra gli altri, hanno affermato che mitigare i cambiamenti climatici e promuovere l’efficienza energetica sono sfide degne per i ricercatori di intelligenza artificiale.
“La capacità di modellare fenomeni complessi, fare previsioni rapide e rappresentare l’incertezza rende l’intelligenza artificiale uno strumento potente per gli scienziati ambientali, compresi quelli che studiano gli impatti dei cambiamenti climatici”, ha affermato lo scienziato senior dello staff di DeepMind Shakir Mohamed in un comunicato stampa. “Siamo ancora agli inizi, ma questo studio dimostra che l’intelligenza artificiale potrebbe essere uno strumento potente, che consente ai previsori di dedicare meno tempo a frugare tra pile sempre crescenti di dati di previsione e concentrarsi invece sulla comprensione migliore delle implicazioni delle loro previsioni. Questo sarà fondamentale per mitigare gli effetti negativi dei cambiamenti climatici oggi, sostenendo l’adattamento ai cambiamenti dei modelli meteorologici e potenzialmente salvando
vite”.
