DeepMind, la divisione di intelligenza artificiale di Google, ha recentemente presentato GenCast, un modello di AI progettato per migliorare le previsioni meteorologiche. In particolare nel caso di eventi estremi come per esempio uragani e ondate di calore. L’obbiettivo è quello di offrire delle previsioni più rapide e accurate rispetto ai modelli tradizionali.
Come funziona GenCast
GenCast è stato addestrato utilizzando quattro decenni di dati storici grazie ai quali identificare schemi complessi nel comportamento atmosferico. Nei test ha superato l’Ensemble Forecast del Centro Europeo per le Previsioni Meteorologiche a Medio Termine in ben il 97% dei casi. Mostra quindi una particolare efficacia nel prevedere condizioni estreme come cicloni tropicali e notevoli variazioni di temperatura. GenCast ha fornito ad esempio delle previsioni più accurate dei percorsi dei cicloni tropicali riuscendo ad offrire degli avvisi con 12 ore di anticipo rispetto ai modelli tradizionali.
GenCast sfrutta le TPU (Tensor Processing Units) di Google Cloud, il modello può così generare previsioni a 15 giorni in soli otto minuti. Si tratta di un grande un miglioramento rispetto alle ore richieste dai modelli basati sulla fisica. Questa rapidità accelera il processo decisionale in situazioni critiche e riduce anche il consumo energetico associato alle previsioni meteorologiche che diventano più sostenibili dal punto di vista ambientale.
I vantaggi delle previsioni meteo con l’AI
Come sottolineato da Google, le capacità di GenCast hanno implicazioni pratiche in diversi settori. Previsioni più accurate di eventi meteorologici estremi possono migliorare la preparazione e la risposta a disastri naturali, si possono così salvare vite umane e ridurre i danni materiali.
Delle stime più precise sulla produzione di energia eolica possono poi ottimizzare l’integrazione delle energie rinnovabili nelle reti elettriche, ciò favorirebbe una transizione più efficiente verso fonti sostenibili.
Per sviluppare GenCast DeepMind ha collaborato con istituzioni meteorologiche come l’ECMWF (European Centre for Medium-Range Weather Forecasts). Si sono così potute combinare le potenzialità dell’intelligenza artificiale con l’esperienza meteorologica tradizionale per migliorare l’accuratezza delle previsioni. Sono comunque previsti ulteriori miglioramenti come l’aumento della risoluzione dei dati e l’aggiornamento più frequente delle previsioni
