Negli ultimi decenni è cresciuta l’instabilità delle condizioni meteo e così anche la necessità di previsioni più puntuali e precise in modo da poter ridurre al minimo il danno scaturito dagli eventi più gravi e da poter salvare vite umane. Questo permetterebbe ai contadini di gestire raccolti e semine ed eventualmente di mettere in sicurezza le proprie colture dalla pioggia, grandine e così via. Allo stesso tempo permetterebbe di programmare i consumi di energia sulla base degli orari di produzione eolica e solare ma anche progettare al meglio la costruzione degli edifici e così via. Ogni previsione accurata di alluvioni e siccità è in grado, secondo le stime dell’European Centre for Medium-range Weather Forecasts, di generare 400 euro. Per fare tutto ciò potrebbe essere utilizzata l’intelligenza artificiale.
Ottimi risultati, di recente, sono stati ottenuti da GraphCast di Google DeepMind. Il modello GraphCast “segna un punto di svolta nelle previsioni” secondo gli sviluppatori che ne hanno parlato in un articolo su Science, spiega Il Sole 24 Ore. GraphCast è più accurato del sistema convenzionale gestito dall’Ecmwf di Reading, che ad oggi è in grado di fare previsioni precise da tre a dieci giorni. Nel 90% delle 1.380 variabili atmosferiche prese in esame, il modello di Google DeepMind è risultato più accurato del Centro europeo. Tra queste ci sono temperatura, pressione, umidità, velocità e direzione del vento a diversi livelli dell’atmosfera. Il Centro europeo ha svolto test con modelli di intelligenza artificiale di Huawei e Nvidia, oltre a DeepMind. “È verificato che GraphCast sia costantemente più abile degli altri modelli di apprendimento automatico, Pangu-Weather di Huawei e FourCastNet di Nvidia, e su molti punti è anche più accurato del nostro sistema di previsione” ha spiegato Chantry.
Così l’intelligenza artificiale può aiutare nel fare previsioni meteo più precise
La tecnologia in grado di fare previsioni meteo accurate e precise grazie all’intelligenza artificiale, è anche molto rapida. Le simulazioni meteorologiche standard, utilizzate dall’Ecmwf di Reading, si basano sulla “previsione meteorologica numerica” che si serve di modelli fisici e matematici. L’accuratezza negli anni è migliorata ma la mole di dati da esaminare è immensa. Il modello sviluppato da DeepMind, invece, analizza il tutto in meno di un minuto. “Una volta addestrato, GraphCast è estremamente economico da utilizzare” ha dichiarato Chantry. “Si può parlare di un sistema mille volte più economico in termini di consumo energetico. Questo è un miglioramento miracoloso”.
Gli scienziati di DeepMind hanno menzionato, come esempio di ciò la tecnologia riesca a fare, l’uragano Lee nel Nord Atlantico a settembre. “GraphCast è stato in grado di prevedere correttamente che Lee sarebbe approdato in Nova Scotia nove giorni prima che accadesse, rispetto ai soli sei giorni degli approcci tradizionali” ha spiegato Rémi Lam, autore principale dell’articolo su Science. “Questo ha dato alle persone altri tre giorni per prepararsi al suo arrivo”. Non mancano però difetti nell’IA che tende a sottostimare la forza di alcuni degli eventi più preoccupanti, spiega Il Sole 24 Ore.