"La meteorologia è la scienza che permette di sapere che tempo avrebbe dovuto fare"; "Secondo i meteorologi la previsione era giusta, era sbagliato il tempo"; "Sembra che le previsioni del tempo facciano acqua da tutte le parti". E potremmo andare avanti all'infinito.
Il problema delle previsioni meteo è sempre lo stesso: difficilmente ci azzeccano. Per quanto accurate possano essere, infatti, esse hanno a che fare con una serie infinita di variabili. L'avvento dell'Intelligenza Artificiale, però, può limitare gli errori, promettendo di rendere le previsioni affidabili fino a 15 giorni. Il modello in questione si chiama GenCast e nella sua precedente versione, denominata GraphCast, aveva già mostrato risultati incoraggianti.. Come funziona. Il programma, sviluppato da Google DeepMind, utilizza un approccio innovativo basato sui cosiddetti "modelli di diffusione", una tecnologia normalmente impiegata nella generazione di immagini, video e musica. Addestrato su quarant'anni di dati meteorologici, questo sistema è capace di creare in brevissimo tempo 50 stime simili, ma diversificate, relative allo stato futuro del tempo in un determinato luogo. La sintesi tra tutti questi scenari dovrebbe fornire una proiezione probabilistica più precisa, che consentirà di stimare le condizioni meteorologiche delle successive due settimane con maggiore affidabilità.
Funziona? Secondo i ricercatori, GenCast ha superato il modello ENS del Centro Europeo per le Previsioni Meteorologiche a Medio Termine nel 99,8% di quelle superiori a 36 ore. Un esempio concreto? Durante il test, il nuovo software è riuscito a prevedere l'arrivo del Tifone Hagibis con 12 ore di anticipo rispetto ai modelli sin qui utilizzati. Un margine cruciale per salvare vite umane.. Più veloce, meno costoso. Uno dei punti di forza del modello meteorologico firmato da Google risiede nella rapidità, dato che è in grado di generare ipotesi predittive in soli otto minuti utilizzando un singolo processore, contro le ore necessarie ai supercomputer attualmente in uso.
Questa velocità, unita a un consumo ridotto di risorse computazionali, apre nuove possibilità per l'utilizzo dell'IA in ambiti come la gestione delle emergenze climatiche e la pianificazione delle energie rinnovabili. Tuttavia, è importante notare che GenCast non mira a sostituire i metodi tradizionali, ma piuttosto a integrarli, sfruttando i dati già raccolti dai supercalcolatori per migliorarne ulteriormente la precisione.. Limiti e prospettive. Nonostante i progressi, sussistono ancora alcuni inevitabili limiti: la risoluzione delle previsioni generate si basa su una griglia con quadrati di 0,25 gradi di latitudine e longitudine, ed è più approssimata rispetto ai modelli attuali, che raggiungono risoluzioni più definite.
Inoltre, l'IA dipende per il suo addestramento dai dati storici forniti dai sistemi convenzionali. Ciò significa che, almeno per il momento, non può funzionare in modo completamente indipendente. Tuttavia, l'efficienza e la precisione sin qui dimostrata lo rendono uno strumento promettente. Con il continuo miglioramento delle tecnologie IA, poi, potremmo presto avere previsioni del tempo più affidabili e dettagliate..
