DeepMind migliora le previsioni meteo con GenCast, un modello basato sull’AI | Migliore app intelligenza artificiale gratis | Chatgpt gratis | Rete neurale esempio | Turtles AI

 DeepMind ha sviluppato un nuovo modello di previsione meteorologica, GenCast, che utilizza l’AI per produrre previsioni globali più precise a 15 giorni. Rispetto ai tradizionali modelli numerici, questo approccio, basato su dati storici e machine learning, consente previsioni probabilistiche più affidabili con minori risorse computazionali. 

Punti chiave:

•  GenCast utilizza il machine learning per elaborare dati meteorologici storici e creare previsioni probabilistiche.
•  Rispetto ai modelli tradizionali, non si basa su equazioni fisiche, ma apprende dinamiche atmosferiche più complesse dai dati.
•  Le previsioni di GenCast sono più accurate di quelle ottenute dal modello ENS dell’ECMWF, superando il 97% degli obiettivi.
•  Il modello è altamente efficiente in termini di risorse computazionali e costa significativamente meno rispetto ai sistemi tradizionali di previsione.

DeepMind ha annunciato un significativo passo avanti nel campo delle previsioni meteorologiche con la creazione di GenCast, un innovativo modello basato sull’AI che promette di migliorare notevolmente l’accuratezza delle previsioni globali a 15 giorni. Contrariamente ai metodi tradizionali, che si fondano su complesse equazioni fisiche per simulare la dinamica atmosferica, GenCast sfrutta il machine learning per analizzare i dati storici e apprendere direttamente dalle osservazioni meteo, senza dover ricorrere alla risoluzione di modelli fisici predefiniti. Questa differenza consente a GenCast di identificare e modellare relazioni più complesse e sfumate che i modelli tradizionali non sono in grado di catturare. In particolare, GenCast produce una previsione probabilistica, offrendo non una singola previsione deterministica, ma una distribuzione di scenari possibili, il che rende il modello più robusto e in grado di gestire le incertezze intrinseche nei fenomeni atmosferici. Ogni previsione prodotta da GenCast fa parte di un insieme di 50 o più simulazioni, ognuna delle quali rappresenta una traiettoria meteorologica distinta. 

Un aspetto rivoluzionario di GenCast è la sua capacità di ottenere risultati migliori rispetto al modello tradizionale di ensemble numerico, l’ENS (European Centre for Medium-Range Weather Forecasts), che è largamente utilizzato per le previsioni a medio termine in Europa. Secondo quanto riportato nel documento pubblicato su *Nature*, GenCast ha superato l’ENS nel 97,2% dei casi testati, offrendo previsioni più precise soprattutto per quanto riguarda la traiettoria dei cicloni tropicali. A ciò si aggiunge un altro vantaggio significativo: GenCast è molto più economico dal punto di vista delle risorse computazionali. Mentre il modello ENS richiede l’utilizzo di supercomputer costosi e una lunga elaborazione su decine di migliaia di processori, GenCast è in grado di produrre le sue previsioni in soli 8 minuti utilizzando una singola unità Google Cloud TPU v5, il che riduce drasticamente i costi operativi.

L’approccio innovativo di GenCast potrebbe avere implicazioni enormi, non solo in termini di miglioramento delle previsioni meteorologiche, ma anche nel campo delle energie rinnovabili, come l’energia eolica, dove una previsione più precisa dei venti potrebbe ottimizzare la produzione di energia. Inoltre, visto l’alto impatto socio-economico degli eventi meteorologici estremi, con danni che superano i 2 trilioni di dollari negli ultimi dieci anni, l’adozione di modelli come GenCast potrebbe aiutare a prepararsi meglio alle condizioni avverse, riducendo i danni a persone, proprietà e infrastrutture. Infine, DeepMind ha reso disponibile il codice sorgente di GenCast e i relativi pesi, con l’obiettivo di favorire lo sviluppo e l’adozione del modello da parte della comunità scientifica e meteorologica globale, promettendo così di accelerare la ricerca nel campo delle previsioni meteo. 

L’avanzamento delle previsioni meteo tramite l’AI potrebbe portare a una nuova era di previsioni più accurate, economiche e efficienti, con impatti positivi su vari settori importanti.