La nuova intelligenza artificiale batte i modelli meteorologici convenzionali
Google DeepMind sta facendo scalpore con la sua nuova AI GraphCast, e non solo tra i meteorologi. In alcuni casi, supera i modelli meteorologici più potenti e lo fa con un'efficienza impressionante. L'intelligenza artificiale sostituirà presto le previsioni meteorologiche tradizionali?
I ricercatori di Google DeepMind hanno recentemente presentato una nuova IA meteorologica chiamata GraphCast in uno studio pubblicato sulla rivista Science. Secondo loro, è in grado di calcolare previsioni a 10 giorni di altissima qualità con una notevole efficienza. Anche secondo gli esperti del Centro europeo per le previsioni meteorologiche a medio raggio (ECMWF), GraphCast è in grado di prevedere variabili come temperatura e precipitazioni meglio del miglior modello meteorologico dell'ECMWF (IFS HRES) fino al 90% dei casi. Spesso è anche possibile prevedere i percorsi dei cicloni tropicali con diversi giorni di anticipo rispetto ai modelli meteorologici convenzionali.
GraphCast raggiunge anche diversi ordini di grandezza di efficienza, in quanto l'IA di Google richiede una potenza di calcolo significativamente inferiore e, secondo Google, funziona anche su un solo processore. Eppure fornisce i risultati mille volte più velocemente: un miglioramento notevole. I ricercatori descrivono questo risultato come un punto di svolta per le previsioni meteorologiche.
I metodi precedenti richiedevano molto tempo
I modelli meteorologici numerici tradizionali sono di solito eseguiti in enormi centri dati su supercomputer costosi ed energivori e spesso richiedono diverse ore per ogni calcolo a causa della loro grande complessità. Un tale miglioramento con l'aiuto dell'IA, come GraphCast, può quindi significare un enorme risparmio di costi.
Anche il miglioramento dei modelli numerici stessi consuma enormi risorse e occupa diversi campi di ricerca in meteorologia e in altre scienze naturali. È altamente improbabile che la ricerca di base di per sé diventi meno importante, poiché è fondamentale per l'interpretazione e la comprensione dei modelli e delle previsioni. Tuttavia, l'uso di modelli di IA può probabilmente portare anche a un migliore utilizzo delle risorse disponibili rispetto al complesso e costoso processo di ottimizzazione dei modelli meteorologici classici.
Come funziona l'IA?
L'intelligenza artificiale si riferisce solitamente ad algoritmi che utilizzano le cosiddette reti neurali. Queste sono costituite da molti cosiddetti nodi, che formano una rete ampiamente ramificata simile alle cellule nervose del cervello umano. Le connessioni tra questi nodi sono inizialmente tutte di pari valore, ma vengono modificate o ponderate attraverso l'addestramento con set di dati campione. In questo modo, una rete neurale viene addestrata a riconoscere schemi in grandi insiemi di dati e quindi, ad esempio, a classificare i dati in ingresso o a ricavarne previsioni. Dopo l'addestramento, l'intelligenza artificiale può essere utilizzata per altri dati e, a seconda dell'obiettivo, ricavarne le informazioni desiderate. In linea di principio, ciò è possibile anche con i dati meteorologici.
Le previsioni meteorologiche convenzionali, invece, si basano su modelli matematico-fisici perfezionati nel corso dei decenni, che calcolano una serie di previsioni a partire da una serie di dati iniziali utilizzando formule di calcolo molto complesse. Per ragioni fisiche, tuttavia, molte di queste formule possono essere determinate e applicate solo approssimativamente. Quanto più preciso e ad alta risoluzione (spaziale e temporale) deve essere un modello o una previsione, tanto maggiori sono le risorse necessarie nei rispettivi centri dati. Grazie al suo approccio completamente diverso, l'IA è in grado di aggirare parzialmente questo problema.
Punti deboli dell'approccio AI
Tuttavia, l'approccio completamente diverso della tecnologia AI comporta anche dei problemi. L'IA non è sempre superiore ai modelli meteorologici precedenti. Ad esempio, nel caso del recente uragano "Otis", verificatosi in modo improvviso e inaspettato al largo delle coste del Messico, che ha subito un'intensificazione estrema prima di colpire la costa messicana vicino ad Acapulco con una forza distruttiva imprevista. In questo caso, GraphCast non è stato in grado di dimostrare una superiorità rispetto ai modelli meteorologici convenzionali, come nel caso di alcune recenti tempeste in Europa centrale.
Ciò potrebbe essere dovuto al fatto che l'intelligenza artificiale può essere addestrata solo con dati meteorologici storici. In tempi di accelerazione dei cambiamenti climatici e di cambiamenti fondamentali del sistema climatico, imminenti o già avviati, questa potrebbe essere una debolezza decisiva. I nuovi sviluppi dovuti ai cambiamenti climatici potrebbero essere sottovalutati o completamente sbagliati dall'IA.
L'IA può sostituire le previsioni meteorologiche convenzionali?
In uno studio pubblicato, i ricercatori del Centro di Supercalcolo di Jülich ritengono teoricamente possibile che le previsioni meteorologiche tradizionali, basate su modelli numerici, possano un giorno essere completamente sostituite da approcci AI già nel 2021. Tuttavia, ciò richiederebbe ancora importanti progressi tecnologici, in particolare l'integrazione delle leggi fisiche decisive negli algoritmi dell'IA. In questo modo, i punti di forza delle previsioni meteorologiche tradizionali potrebbero essere combinati con quelli dell'IA e le precedenti debolezze dell'IA potrebbero essere eliminate.
Finora l'IA è stata in grado solo di integrare i modelli numerici classici o di sostituire parti del flusso di lavoro classico. Finché l'IA non potrà prendere completamente il timone delle previsioni meteorologiche, l'intelligenza umana dovrà prima compiere qualche impresa in questo campo. Anche gli stessi ricercatori di Google vedono il loro lavoro finora solo come un'integrazione dei modelli esistenti. L'IA non è quindi ancora una panacea per i problemi esistenti nelle previsioni meteorologiche, ma la velocità di sviluppo è notevole.
Fonte: www.ntv.de
