Il nuovo modello meteorologico AI europeo è più veloce, più intelligente e gratuito: ecco cosa sapere

Il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) ha appena lanciato un modello di previsione basato sull'intelligenza artificiale che, secondo il centro, supera fino al 20% le prestazioni dei modelli fisici più avanzati.

Il modello è soprannominato Artificial Intelligence Forecasting System (AIFS). Secondo un comunicato dell'ECMWF, il nuovo modello opera a velocità maggiori rispetto ai modelli basati sulla fisica e richiede circa 1.000 volte meno energia per fare una previsione.

L'ECMWF, ora al suo 50° anno di attività, ha prodotto ENS, uno dei principali modelli di previsione meteorologica a medio raggio al mondo. Le previsioni a medio raggio includono previsioni meteorologiche effettuate tra tre e 15 giorni in anticipo, ma l'ECMWF prevede anche il meteo fino a un anno in anticipo. I modelli di previsione meteorologica sono essenziali per gli stati e i governi locali per rimanere preparati agli eventi meteorologici estremi, nonché per le esigenze più quotidiane, come sapere che tempo farà durante la tua prossima vacanza.

I modelli tradizionali di previsione meteorologica effettuano previsioni risolvendo equazioni fisiche. Una limitazione di questi modelli è che sono approssimazioni delle dinamiche atmosferiche. Un aspetto interessante dei modelli basati sull'intelligenza artificiale è che potrebbero apprendere relazioni e dinamiche più complesse nei modelli meteorologici direttamente dai dati, anziché basarsi solo su equazioni note e documentate in precedenza.

L'annuncio dell'ECMWF arriva subito dopo il modello GenCast di Google DeepMind per le previsioni meteo basate sull'intelligenza artificiale, la prossima iterazione del software di previsione meteo di Google che include NeuralGCM e GraphCast . GenCast ha superato ENS , il modello di previsione meteo leader dell'ECMWF, sul 97,2% degli obiettivi su diverse variabili meteo. Con tempi di consegna superiori a 36 ore, GenCast è stato più accurato di ENS sul 99,8% degli obiettivi.

Ma anche l'European Center sta innovando. Il lancio di AIFS-single è solo la prima versione operativa del sistema.

"Si tratta di un'impresa enorme che garantisce che i modelli funzionino in modo stabile e affidabile", ha affermato Florian Pappenberger, Direttore di Forecasts and Services presso ECMWF, nel comunicato centrale. "Al momento, la risoluzione dell'AIFS è inferiore a quella del nostro modello (IFS), che raggiunge una risoluzione di 9 km [5,6 miglia] utilizzando un approccio basato sulla fisica".

"Consideriamo AIFS e IFS complementari e parte di una gamma di prodotti offerti alla nostra comunità di utenti, che decide quale sia più adatto alle proprie esigenze", ha aggiunto Pappenberger.

Il team esplorerà la possibilità di combinare modelli basati sui dati e modelli basati sulla fisica per migliorare la capacità dell'organizzazione di prevedere le condizioni meteorologiche con precisione.

"I modelli basati sulla fisica sono fondamentali per l'attuale processo di assimilazione dei dati", ha affermato Matthew Chantry, Strategic Lead for Machine Learning presso ECMWF e Head of the Innovation Platform, in un'e-mail a Gizmodo. "Questo stesso processo di assimilazione dei dati è anche fondamentale per inizializzare i modelli di apprendimento automatico di tutti i giorni e consentire loro di fare previsioni".

"Una delle prossime frontiere per le previsioni meteorologiche basate sull'apprendimento automatico è questa fase di assimilazione dei dati, che se risolta significherebbe che l'intera catena di previsioni meteorologiche potrebbe essere basata sull'apprendimento automatico", ha aggiunto Chantry.

Chantry è coautore di uno studio in attesa di revisione paritaria che descrive un sistema di previsione end-to-end basato sui dati, che non si basa su rianalisi basate sulla fisica.

Chiamato GraphDOP, il sistema utilizza quantità osservabili come le temperature di luminosità degli orbiter polari "per formare una rappresentazione latente coerente delle dinamiche dello stato del sistema terrestre e dei processi fisici", ha scritto il team, "ed è in grado di produrre previsioni abili di parametri meteorologici rilevanti fino a cinque giorni nel futuro".

L'integrazione di metodi di intelligenza artificiale con modelli di previsione meteorologica basati sulla fisica è un luogo promettente per previsioni più precise. I test finora effettuati indicano che le previsioni basate sull'intelligenza artificiale possono superare i modelli storici, ma finora tali modelli si sono basati su dati di rianalisi. Le osservazioni sul campo sono state essenziali per l'addestramento dei modelli e resta da vedere quanto saranno impressionanti le capacità di previsione della tecnologia quando sarà costretta a uscire dal copione.