Il nuovo modello di intelligenza artificiale migliora la previsione delle incertezze e dei rischi meteorologici, fornendo previsioni più rapide e accurate fino a 15 giorni in anticipo
Il tempo ha un impatto su tutti noi, influenzando le nostre decisioni, la nostra sicurezza e il nostro modo di vivere. Poiché il cambiamento climatico determina eventi meteorologici sempre più estremi, previsioni accurate e affidabili sono più essenziali che mai. Tuttavia, il tempo non può essere previsto perfettamente e le previsioni sono particolarmente incerte oltre i pochi giorni.
Poiché una previsione meteorologica perfetta non è possibile, gli scienziati e le agenzie meteorologiche utilizzano previsioni probabilistiche complessive, in cui il modello prevede una serie di probabili scenari meteorologici. Tali previsioni complessive sono più utili che fare affidamento su una singola previsione, poiché forniscono ai decisori un quadro più completo delle possibili condizioni meteorologiche nei prossimi giorni e settimane e quanto è probabile ogni scenario.
Oggi, su un giornale pubblicato su Naturapresentiamo GenCast, il nostro nuovo modello di ensemble AI ad alta risoluzione (0,25°). GenCast fornisce previsioni migliori sia del tempo quotidiano che degli eventi estremi rispetto al principale sistema operativo, il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) ENS, fino a 15 giorni in anticipo. Rilasceremo il codice, i pesi e le previsioni del nostro modello per supportare la più ampia comunità di previsioni meteorologiche.
L’evoluzione dei modelli meteorologici dell’intelligenza artificiale
GenCast segna un progresso fondamentale nelle previsioni meteorologiche basate sull’intelligenza artificiale che si basa sul nostro precedente modello meteorologicoche era deterministico e forniva un’unica, migliore stima del tempo futuro. Al contrario, una previsione GenCast comprende un insieme di 50 o più previsioni, ciascuna delle quali rappresenta una possibile traiettoria meteorologica.
GenCast è un modello di diffusione, il tipo di modello di intelligenza artificiale generativa che è alla base dei recenti e rapidi progressi nel settore immagine, video E generazione musicale. Tuttavia, GenCast differisce da questi, in quanto si adatta alla geometria sferica della Terra e impara a generare con precisione la complessa distribuzione di probabilità degli scenari meteorologici futuri quando viene fornito come input lo stato meteorologico più recente.
Per addestrare GenCast, gli abbiamo fornito quattro decenni di dati meteorologici storici provenienti dall’ECMWF Archivio ERA5. Questi dati includono variabili come temperatura, velocità del vento e pressione a varie altitudini. Il modello ha appreso i modelli meteorologici globali, con una risoluzione di 0,25°, direttamente da questi dati meteorologici elaborati.
Stabilire un nuovo standard per le previsioni meteorologiche
Per valutare rigorosamente le prestazioni di GenCast, lo abbiamo addestrato su dati meteorologici storici fino al 2018 e lo abbiamo testato su dati del 2019. GenCast ha mostrato capacità di previsione migliori rispetto all’ENS di ECMWF, il principale sistema di previsione operativa da cui dipendono ogni giorno molte decisioni nazionali e locali.
Abbiamo testato in modo completo entrambi i sistemi, esaminando le previsioni di diverse variabili in tempi di consegna diversi: 1320 combinazioni in totale. GenCast si è rivelato più accurato di ENS nel 97,2% di questi target e nel 99,8% con tempi di consegna superiori a 36 ore.
Fonte: deepmind.google
