La previsione del tempo è da sempre uno strumento essenziale per la nostra quotidianità, aiutandoci a pianificare le attività e a prepararci per le diverse condizioni atmosferiche. Nonostante i notevoli progressi compiuti dai meteorologi nella previsione del futuro immediato, la precisione tende a diminuire considerevolmente oltre i cinque giorni. Tuttavia, l’avvento dell’intelligenza artificiale (IA) ha aperto nuove possibilità per migliorare le previsioni meteorologiche.
Una rivoluzionaria applicazione dell’IA nella previsione del tempo è GraphCast, un progetto sviluppato da Google DeepMind. Utilizzando le più recenti innovazioni nella tecnologia dell’apprendimento profondo, GraphCast mira a fornire previsioni accurate fino a dieci giorni in anticipo, superando lo standard dell’industria stabilito dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF).
Con l’aumento della frequenza di eventi meteorologici estremi, la motivazione alla base della creazione di GraphCast è quella di migliorare la previsione di tali eventi. Infatti, in uno studio recente, GraphCast ha dimostrato la sua capacità di prevedere centinaia di variabili meteorologiche in tutto il mondo, raggiungendo una maggiore precisione nel 90% dei casi rispetto ai modelli tradizionali come HRES.
L’approccio di GraphCast si basa su una Rete Neurale Grafica (GNN), che riceve input grafici e sfrutta i due stati meteorologici più recenti della Terra per effettuare previsioni. Prevede le condizioni meteorologiche sei ore avanti per una griglia di latitudine e longitudine a una risoluzione di 0,25°, coprendo l’intero pianeta. Il modello considera un milione di punti della griglia, prevedendo variabili superficiali come temperatura, velocità e direzione del vento, pressione media al livello del mare, nonché variabili atmosferiche come umidità, velocità e direzione del vento e temperatura a 37 livelli di altitudine.
Per garantire trasparenza e favorire la collaborazione all’interno della comunità scientifica, GraphCast è un progetto open-source. Condividendo il modello e i dati sottostanti, si auspica che possano essere sviluppati metodi di apprendimento profondo più avanzati per migliorare le previsioni meteorologiche a medio e lungo termine, specialmente di fronte ai cambiamenti climatici e all’aumento degli eventi estremi.
L’ECMWF, riconoscendo la necessità di previsioni migliorate, sta attualmente testando GraphCast per valutarne il potenziale come principale strumento di previsione meteorologica per le previsioni su scala media in Europa. Integrando le tecniche basate sui dati e collaborando con Google DeepMind, l’ECMWF mira a sfruttare il potere dell’IA per potenziare l’analisi del tempo.
Con l’avanzare dell’IA, è evidente che le previsioni meteo basate sull’IA sostituiranno gradualmente i modelli tradizionali che si basano principalmente su algoritmi fisici. Piuttosto che migliorare incrementalmente gli algoritmi basati sulla fisica, gli scienziati possono ora addestrare modelli di apprendimento profondo utilizzando dati meteorologici, consentendo un miglioramento continuo e previsioni più accurate su brevi, medi e lunghi periodi.
Domande Frequenti (FAQ)
The source of the article is from the blog lisboatv.pt