GenCast, un nuovo modello di intelligenza artificiale di Google DeepMind, è sufficientemente accurato da competere con la meteorologia tradizionale. Secondo una ricerca pubblicata di recente, nei test effettuati utilizzando i dati del 2019, ha superato le prestazioni di un importante modello previsionale. 🌦️✨

L'intelligenza artificiale non sostituirà la meteorologia tradizionale nel prossimo futuro, ma può fornire strumenti preziosi per prevedere il tempo e avvisare la popolazione in caso di forti tempeste. GenCast è uno dei tanti Modelli di intelligenza artificiale in fase di sviluppo che potrebbero portare a previsioni più accurate. 🤖⛈️

“Il clima influenza praticamente ogni aspetto della nostra vita… ed è anche uno dei più grandi sfide scientifiche prevederlo", afferma Ilan Price, uno scienziato senior di DeepMind. "Google DeepMind ha la missione di far progredire l'intelligenza artificiale a vantaggio dell'umanità. Penso che questo sia un modo importante, un contributo fondamentale in tal senso." 🌈📊

Price e il suo team hanno condotto dei test con GenCast contro il sistema ENS, uno dei modelli di previsione più avanzati al mondo, gestito dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF). Secondo la ricerca, GenCast ha superato ENS 97.2% in termini di prestazioni. pubblicato questa settimana sulla rivista Natura. 📈🧐

GenCast è un modello di previsione meteorologica basato sull'apprendimento automatico, addestrato sui dati climatici dal 1979 al 2018. Questo modello impara a riconoscere gli schemi in quattro decenni di dati storici e utilizza tali informazioni per prevedere cosa potrebbe accadere in futuro. Questo è molto diverso dal funzionamento dei modelli tradizionali come l'ENS, che si basano ancora su supercomputer per risolvere equazioni complesse e simulare la fisica dell'atmosfera. Sia GenCast che ENS producono previsioni nel complesso, che offrono una varietà di possibili scenari. 🌌🌪️

Ad esempio, prevedendo il percorso di un ciclone tropicale, GenCast può fornire un preavviso medio di 12 ore. GenCast è generalmente più efficace nel prevedere i percorsi dei cicloni, gli eventi meteorologici estremi e la produzione di energia eolica con un anticipo fino a 15 giorni. 🌪️⏳

Un avvertimento è che GenCast è stato testato su una versione precedente dell'ENS, che ora funziona a un risoluzione più alta. La ricerca sottoposta a revisione paritaria confronta le previsioni di GenCast con quelle dell'ENS per il 2019, analizzando quanto ciascun modello corrisponda alle condizioni effettive di quell'anno. Secondo Matt Chantry, coordinatore del Machine Learning dell'ECMWF, il sistema ENS è migliorato significativamente dal 2019, il che rende difficile valutare come GenCast possa confrontarsi con l'ENS attuale. 🔍📉

È chiaro che la risoluzione non è l'unico fattore importante per fare previsioni solide. Nel 2019, l'ENS lavorava già a una risoluzione leggermente superiore a quella di GenCast, ma quest'ultimo è comunque riuscito a superarla. DeepMind afferma di aver condotto studi simili con dati dal 2020 al 2022 e di aver trovato risultati simili, sebbene tali dati non siano stati sottoposti a revisione paritaria. Tuttavia, non erano disponibili dati di confronto per il 2023, anno in cui l'ENS ha iniziato a funzionare a una risoluzione significativamente più elevata. 📊📈

Dividendo il mondo in una griglia, GenCast opera con una risoluzione di 0,25 gradi, il che significa che ogni quadrato in quella griglia misura un quarto di grado di latitudine per un quarto di grado di longitudine. Per fare un paragone, nel 2019 l'ENS utilizzava una risoluzione di 0,2 gradi, mentre ora è di 0,1 gradi. 🌍🗺️

Tuttavia, lo sviluppo di GenCast "segna una pietra miliare significativa nell'evoluzione delle previsioni meteorologiche", ha affermato Chantry in una dichiarazione inviata via e-mail. Oltre all'ENS, l'ECMWF gestisce anche la propria versione di un sistema di apprendimento automatico. Chantry commenta che "prende ispirazione da GenCast". 🌟🤓

La velocità è un vantaggio per GenCast. È possibile generare una previsione a 15 giorni in soli otto minuti utilizzando una singola Google Cloud TPU v5. I modelli basati sulla fisica come l'ENS potrebbero impiegare diverse ore per fare lo stesso. GenCast omette tutte le equazioni che l'ENS deve risolvere, il che spiega perché richiede meno tempo e potenza di calcolo per produrre una previsione. ⚡️💻

“In termini computazionali, è di gran lunga più costoso eseguire previsioni tradizionali rispetto a un modello come GenCast", dice Price. 💰📉

Questa efficienza potrebbe contribuire ad alleviare alcune preoccupazioni circa l'impatto ambientale dei data center basati sull'intelligenza artificiale, che hanno già contribuito all'aumento delle emissioni di gas serra di Google negli ultimi anni. Tuttavia, è difficile valutare come GenCast si confronti con i modelli basati sulla fisica in termini di sostenibilità senza sapere quanta energia viene utilizzata per addestrare il modello di apprendimento automatico. 🏭♻️

GenCast può apportare ancora dei miglioramenti, tra cui la possibilità di passare a una risoluzione più elevata. Inoltre, GenCast emette previsioni a intervalli di 12 ore, a differenza dei modelli tradizionali, che solitamente emettono previsioni a intervalli più brevi. Ciò può influenzare il modo in cui queste previsioni possono essere utilizzate nel mondo reale (ad esempio, per valutare quanta energia eolica sarà disponibile) 🌪️⚡️.

"Vogliamo sapere come si comporterà il vento durante il giorno, non solo alle 6 del mattino e alle 6 di sera", afferma Stephen Mullens, professore associato di meteorologia presso l'Università della Florida, non coinvolto nella ricerca GenCast. 🌞🌬️

Sebbene vi sia un crescente interesse per il modo in cui l'intelligenza artificiale può essere utilizzata per migliorare le previsioni, la sua efficacia deve ancora essere dimostrata. "La gente lo sta osservando. Non credo che l'intera comunità meteorologica ne sia convinta", ha detto Mullens. "Siamo scienziati qualificati che pensano in termini di fisica... e poiché l'intelligenza artificiale non è fondamentalmente fisica, c'è ancora un elemento che ci porta a chiederci: 'È un bene? E perché?'" 🤷‍♂️⚖️

I meteorologi possono provare GenCast personalmente; DeepMind ha pubblicato il codice dal suo modello open source. Price dice di vedere GenCast e altri modelli di intelligenza artificiale migliorati utilizzato nel mondo reale insieme ai modelli tradizionali. "Una volta che questi modelli sono nelle mani dei professionisti, si crea maggiore fiducia e sicurezza", afferma Price. "Vogliamo davvero che abbia un impatto sociale di ampio respiro." 🌍💡