Quella della prevedibilità degli eventi atmosferici è una delle sfide più stimolanti e complesse di tutti i tempi. E, poiché i cambiamenti climatici odierni rendono il meteo sempre più imprevedibile ed estremo, abbiamo bisogno di previsioni più affidabili per aiutare a prepararci e a prevenire disastri.
Oggi, i meteorologi utilizzano enormi simulazioni al computer per fare le loro previsioni meteo. Ci vogliono ore per completarle, perché tali professionisti devono analizzare, una per una, variabili meteorologiche come temperatura, precipitazioni, pressione, vento, umidità e nuvolosità.
Sistemi di AI per rendere le previsioni più accurate
Tuttavia, due nuovi sistemi di Intelligenza Artificiale potrebbero accelerare significativamente questo processo e rendere le previsioni e gli avvisi relativi a condizioni meteorologiche estreme più accurate.
Il primo, sviluppato da Huawei, illustra come il suo nuovo modello di Intelligenza Artificiale “Pangu-Weather”[1] sia in grado di prevedere i modelli meteorologici settimanali in tutto il mondo molto più rapidamente dei metodi di previsione meteo “tradizionali” e con lo stesso livello di accuratezza.
Il secondo, “NowcastNet”[2], dimostra come un algoritmo di apprendimento profondo (Deep Learning) sia stato in grado di prevedere le precipitazioni estreme con maggiore precisione e preavviso rispetto ad altre soluzioni esistenti.
Pangu-Weather
Se adottati, questi modelli potrebbero essere utilizzati insieme ai metodi di previsione meteorologica convenzionali per migliorare la capacità delle autorità di prepararsi al maltempo in arrivo.
Per realizzare Pangu-Weather, i ricercatori di Huawei hanno costruito una rete neurale profonda addestrata su trentanove anni di dati, una rete che combina osservazioni meteorologiche storiche con modelli moderni. A differenza dei metodi tradizionali che analizzano le variabili meteorologiche una alla volta, il che potrebbe richiedere ore, Pangu-Weather è in grado di analizzarle tutte contemporaneamente in pochi secondi.
I ricercatori hanno testato Pangu-Weather rispetto a uno dei principali sistemi di previsione meteorologica convenzionali al mondo, il sistema operativo di previsione integrata del Centro europeo per le previsioni meteorologiche a medio raggio (ECMWF), scoprendo che il grado di accuratezza è stato il medesimo. Pangu-Weather è stato anche in grado di tracciare con precisione il percorso di un ciclone tropicale, nonostante non sia stato addestrato con dati relativi sui cicloni tropicali.
Questo risultato dimostra che i modelli di apprendimento automatico sono in grado di cogliere i processi fisici del tempo meteorologico e di generalizzarli verso situazioni che “non hanno mai visto prima”.
Pangu-Weather è interessante perché è in grado di prevedere il cambiamento metereologico molto più velocemente di quanto gli scienziati fossero in grado di fare prima, prevedendo cose che non erano presenti nei suoi dati di addestramento originali. Nell’ultimo anno, diverse aziende tecnologiche hanno presentato modelli di Intelligenza Artificiale miranti a migliorare le previsioni del tempo. Pangu-Weather e modelli simili, come FourcastNet di Nvidia e GraphCast di Google-DeepMind, stanno facendo riconsiderare ai meteorologi il modo in cui viene utilizzato l’apprendimento automatico (Machine Learning) nelle previsioni meteo. Prima l’apprendimento automatico era visto come una sorta di “giocattolo” per i meteorologi. Tuttavia, ora sembra probabile che i meteorologi potranno usarlo insieme ai metodi convenzionali per fare le loro previsioni. Il tempo ci dirà quanto questi sistemi si comportino bene nella pratica. I sistemi di previsione meteorologica convenzionali sono addestrati su dati osservativi, mentre il gioiello di casa Huawei Pangu-Weather si basa su dati meteo storici.
Ad oggi l’Intelligenza Artificiale di Huawei può aiutare a prevedere la direzione dei cicloni tropicali, ma non può prevedere con certezza la loro intensità. Il rischio è che l’Intelligenza Artificiale tenda a sottovalutare i fenomeni meteorologici estremi.
NowcastNet
Tuttavia, vi è un altro modello di Intelligenza Artificiale che potrebbe aiutare in questo senso sopperendo a tale mancanza. Tale modello di Intelligenza Artificiale generativa è chiamato NowcastNet, il quale è in grado di prevedere le piogge estreme con tempi più lunghi rispetto ai metodi convenzionali esistenti. Gli attuali strumenti di apprendimento profondo per la previsione della pioggia, come DGMR di DeepMind, sono in grado di prevedere le probabilità che piova nei prossimi novanta minuti. NowcastNet è in grado di prevedere le piogge estreme, un compito più difficile, fino a tre ore di anticipo. Sessantadue meteorologi cinesi hanno valutato tale sistema rispetto ad altri sistemi simili e hanno concluso che esso è il miglior metodo di previsione della pioggia in circa il settanta percento dei casi.
Il team di NowcastNet ha costruito un modello generativo profondo che viene addestrato sui dati raccolti da diversi radar meteorologici e altre tecnologie, come sensori e satelliti. Il modello viene addestrato anche in base ai principi della fisica atmosferica (come la gravità) ed è alimentato con i dati dei radar, che offrono istantanee dei modelli meteorologici.
Il modello in questione può, quindi, generare il prossimo scenario meteo più probabile. Altri modelli, come il DGMR di DeepMind, sono addestrati solo sui dati radar; per questo motivo hanno solo un’istantanea parziale dell’atmosfera. Questo porta a risultati meno accurati per eventi (tutto sommato) rari come le precipitazioni estreme. Poiché NowcastNet è ancorato alla fisica, i ricercatori che vi hanno lavorato su affermano che tale modello è in grado di ottenere una visione più completa del fattore pioggia, portando a previsioni meteo più accurate (e celeri).
Conclusioni
L’Intelligenza Artificiale potrebbe aiutare le persone a guadagnare tempo prezioso quando si tratta di previsioni a breve termine su eventi meteorologici come le precipitazioni estreme. Le piogge abbondanti, come si sa, causano morte e distruzione di massa, ed è importante essere in grado di prevederle in un lasso di tempo che dia agli interessati la possibilità di prepararsi con congruo anticipo.
Tuttavia, è ancora presto per delle previsioni meteorologiche basate sull’Intelligenza Artificiale; inoltre, resta ancora da vedere quanto questi sistemi saranno davvero utili nella pratica. Con il cambiamento climatico in corso, che potrebbe complicare ulteriormente il quadro dell’approccio tecnologico alla materia, il fattore tempo è cruciale.[3]
Note
[1] Accurate medium-range global weather forecasting with 3D neural networks. Nature.
[2] Skilful nowcasting of extreme precipitation with NowcastNet. Nature.
[3] New AI systems could speed up our ability to create weather forecasts. MIT Technology Review.
