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 รจ quello di offrire delle previsioni piรน rapide e accurate rispetto ai modelli tradizionali.
Come funziona GenCast
GenCast รจ 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 piรน 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 puรฒ cosรฌ 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 rapiditร accelera il processo decisionale in situazioni critiche e riduce anche il consumo energetico associato alle previsioni meteorologiche che diventano piรน sostenibili dal punto di vista ambientale.
I vantaggi delle previsioni meteo con l’AI
Come sottolineato da Google, le capacitร di GenCast hanno implicazioni pratiche in diversi settori. Previsioni piรน accurate di eventi meteorologici estremi possono migliorare la preparazione e la risposta a disastri naturali, si possono cosรฌ salvare vite umane e ridurre i danni materiali.
Delle stime piรน precise sulla produzione di energia eolica possono poi ottimizzare l’integrazione delle energie rinnovabili nelle reti elettriche, ciรฒ favorirebbe una transizione piรน 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 cosรฌ potute combinare le potenzialitร 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 piรน frequente delle previsioni