• Getty

L'AI di DeepMind prevede con successo quando e dove pioverà

L'azienda ha lavorato con i meteorologi britannici per creare un modello che fosse migliore nel fare previsioni a breve termine rispetto ai sistemi esistenti.

di Will Douglas Heaven 30-09-21
Prima il ripiegamento delle proteine e ora le previsioni del tempo: Deep Mind, l'azienda di intelligenza artificiale con sede a Londra sta continuando la sua corsa applicando il deep learning ai problemi scientifici complessi. In collaborazione con Met Office, il servizio meteorologico nazionale del Regno Unito, DeepMind ha sviluppato uno strumento di deep learning chiamato DGMR in grado di prevedere con precisione la probabilità di pioggia nel brevissimo periodo (90 minuti), una delle sfide più difficili delle previsioni del tempo.

Rispetto agli strumenti esistenti, diverse dozzine di esperti hanno giudicato le previsioni di DGMR le migliori in base a una serie di fattori, tra cui la localizzazione, la durata, l’intensità e gli spostamenti della pioggia, nell'89 per cento delle volte. I risultati sono stati  pubblicati su “Nature”.

Lo strumento a disposizione di DeepMind  non ha una storia di successi come AlphaFold, che ha risolto parecchi problemi in ambito biologico  cui gli scienziati hanno lottato per decenni. Eppure, anche un piccolo miglioramento nelle previsioni della pioggia, in particolare di quella intensa, è fondamentale per molti settori, dagli eventi all'aperto all'aviazione ai servizi di emergenza. Ma farlo bene è difficile. 

Capire quanta acqua c'è nel cielo, e quando e dove cadrà, dipende da una serie di processi meteorologici, come i cambiamenti di temperatura, la formazione di nuvole e il vento. Tutti questi fattori sono abbastanza complessi da soli, ma lo sono ancora di più se presi insieme. Le migliori tecniche di previsione esistenti utilizzano massicce simulazioni al computer della fisica atmosferica. Questi sistemi funzionano bene per le previsioni a lungo termine, ma sono meno efficaci nel prevedere cosa accadrà nella ora successiva o giù di lì, vale a dire il nowcasting o previsioni a brevissimo termine. 

Sono state sviluppate precedenti tecniche di deep learning, ma queste in genere funzionano bene in una cosa, come la previsione della posizione, a spese di qualcos'altro, come la previsione dell'intensità. "Il nowcasting delle precipitazioni rimane una sfida sostanziale per i meteorologi", afferma Greg Carbin, capo delle operazioni di previsione presso il NOAA Weather Prediction Center negli Stati Uniti, che non è stato coinvolto nel lavoro.

Il team di DeepMind ha addestrato la propria intelligenza artificiale sui dati radar. Molti paesi rilasciano istantanee frequenti di misurazioni radar che tracciano la formazione e il movimento delle nuvole. Nel Regno Unito, per esempio, viene pubblicata una nuova lettura ogni cinque minuti. Mettere insieme queste istantanee fornisce un video in stop-motion aggiornato che mostra come i modelli di pioggia si stanno muovendo in un paese, in modo simile alle immagini delle previsioni che si vedono in TV.

I ricercatori hanno fornito questi dati a una rete generativa profonda, simile a un GAN, un tipo di intelligenza artificiale addestrato per generare nuovi campioni di dati molto simili ai dati reali su cui è stato addestrato. I GAN sono stati utilizzati per  generare volti falsi, persino copie dei quadri di Rembrandt. In questo caso, il DGMR o "deep generative model of rain" ha imparato a generare false istantanee radar che hanno continuato la sequenza delle misurazioni effettive. È la stessa idea di vedere alcuni fotogrammi di un film e indovinare cosa verrà dopo, dice Shakir Mohamed, responsabile della ricerca di DeepMind.

Per testare l'approccio, il team ha chiesto a 56 meteorologi del Met Office di confrontare il DGMR con le previsioni fatte da un sistema simile di simulazione fisica all'avanguardia. L'89 per cento ha dichiarato di preferire i risultati forniti dal DGMR. "Gli algoritmi di apprendimento automatico generalmente cercano di ottimizzare il livello di precisione di un parametro della previsione", afferma il coautore dello studio Niall Robinson, capo delle partnership e dell'innovazione di prodotto presso il Met Office. 

“Tuttavia, le previsioni del tempo possono essere buone o cattive in molti modi diversi. Forse una previsione localizza con precisione le precipitazioni, ma sbaglia l'intensità, o viceversa. Abbiamo fatto un grande sforzo in questa ricerca per valutare il nostro algoritmo rispetto a un'ampia suite di sistemi di misurazione".

La collaborazione di DeepMind con Met Office è un buon esempio di sviluppo dell'intelligenza artificiale fatto in collaborazione con l'utente finale, qualcosa che sembra ovviamente una buona idea, ma che spesso non accade. Il team ha lavorato al progetto per diversi anni e il contributo degli esperti del Met Office ha plasmato il progetto. "Ha spinto lo sviluppo del nostro modello in una direzione diversa da quella che avremmo intrapreso", afferma Suman Ravuri, ricercatore di DeepMind. 

L’azienda è anche desiderosa di dimostrare che la sua intelligenza artificiale ha applicazioni pratiche. Per Shakir, il DGMR è in linea con la storia di AlphaFold: l'azienda incassa il risultato di anni di impegno nella risoluzione di problemi difficili nei giochi. DeepMind sta finalmente iniziando ad affrontare una serie di problemi scientifici del mondo reale.

(rp)