Potrebbe anche contribuire a rendere il meteo più preciso
I cambiamenti climatici rendono il meteo più imprevedibile ed estremo e noi abbiamo bisogno di previsioni del tempo più affidabili per prepararci ai disastri ambientali. Oggi i meteorologi utilizzano ampie simulazioni computerizzate per fare le loro previsioni. Ci vogliono ore per completarle, perché gli scienziati devono analizzare una per una le variabili meteorologiche come temperatura, precipitazioni, pressione, vento, umidità e nuvolosità.
Oggi, nuovi sistemi di intelligenza artificiale potrebbero accelerare significativamente questo processo e rendere più accurate le previsioni e gli avvisi di condizioni meteorologiche estreme, come suggeriscono due articoli pubblicati su Nature.
Il primo sistema, sviluppato da Huawei, consiste in un nuovo modello di intelligenza artificiale, Pangu-Weather, in grado di prevedere i modelli meteorologici settimanali in tutto il mondo molto più rapidamente dei metodi di previsione tradizionali, ma con un’accuratezza paragonabile.
Il secondo dimostra come un algoritmo di apprendimento profondo sia stato in grado di prevedere le precipitazioni estreme in modo più accurato e con maggiore preavviso rispetto ad altri metodi consolidati, classificandosi al primo posto circa il 70% delle volte nei test contro sistemi simili esistenti.
Se adottati, questi modelli potrebbero essere utilizzati insieme ai metodi di previsione meteorologica convenzionali per migliorare la capacità delle autorità di prepararsi al maltempo, spiega Lingxi Xie, ricercatore senior di Huawei.
Per realizzare Pangu-Weather, i ricercatori di Huawei hanno costruito una rete neurale profonda addestrata su 39 anni di dati di rianalisi, che combina osservazioni meteorologiche storiche con modelli moderni. A differenza dei metodi tradizionali che analizzano le variabili meteorologiche una alla volta, processo che potrebbe richiedere ore, Pangu-Weather è in grado di analizzarle tutte contemporaneamente in pochi secondi.
I ricercatori hanno testato Pangu-Weather confrontandolo con uno dei principali sistemi di previsione meteorologica convenzionali al mondo, il sistema operativo di previsione integrata dell’European Centre for Medium-Range Weather Forecasts (ECMWF), e hanno scoperto che i risultati hanno un’accuratezza simile.
Pangu-Weather è stato anche in grado di tracciare con precisione il percorso di un ciclone tropicale, nonostante non sia stato addestrato con dati sui cicloni tropicali. Questo risultato dimostra che i modelli di apprendimento automatico sono in grado di cogliere i processi fisici del tempo e di generalizzarli rispetto a situazioni che non hanno mai esaminato prima, afferma Oliver Fuhrer, responsabile del dipartimento di previsione numerica di MeteoSwiss, Ufficio federale di meteorologia e climatologia, che non è stato coinvolto nella ricerca.
Pangu-Weather è entusiasmante perché è in grado di prevedere il tempo molto più velocemente di quanto gli scienziati fossero in grado di fare prima e di prevedere cose che non erano presenti nei dati di addestramento originali, dice Fuhrer.
Nell’ultimo anno, diverse aziende tecnologiche hanno presentato modelli di intelligenza artificiale che mirano a migliorare le previsioni del tempo. Pangu-Weather e modelli simili, come FourcastNet di Nvidia e GraphCast di Google-DeepMind, stanno facendo sì che i meteorologi “riconsiderino il modo in cui utilizziamo l’apprendimento automatico e le previsioni del tempo”, afferma Peter Dueben, responsabile della modellazione del sistema terrestre presso ECMWF. Non ha partecipato alla ricerca, ma ha testato Pangu-Weather.
In passato, l’apprendimento automatico era visto come un “gioco”, afferma Dueben. Ma 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 basati sull’osservazione, mentre Pangu-Weather si basa su dati di rianalisi. Xie dice che sperano di addestrare il loro modello su dati basati sull’osservazione in futuro.
Sebbene l’intelligenza artificiale possa aiutare a prevedere la direzione dei cicloni tropicali, non può prevedere la loro intensità. “L’intelligenza artificiale tenderà a sottovalutare i fenomeni meteorologici estremi”, afferma Xie.
Tuttavia, altri modelli di intelligenza artificiale potrebbero aiutare in questo senso. Un modello AI generativo basato sulla fisica, chiamato NowcastNet, è in grado di prevedere le piogge estreme con un tempo di anticipo maggiore rispetto ai metodi convenzionali esistenti.
Gli attuali strumenti di deep-learning per la previsione della pioggia, come DGMR di DeepMind, sono in grado di prevedere la probabilità di pioggia nei prossimi 90 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 il sistema rispetto ad altri sistemi simili e hanno concluso che era il miglior metodo di previsione della pioggia in circa il 70% dei casi.
Il team ha costruito un modello generativo profondo che viene addestrato sui dati raccolti da diversi radar meteorologici e da altre tecnologie, come sensori e satelliti, spiega Jordan. Il modello viene addestrato anche in base ai principi della fisica atmosferica – ad esempio la gravità – e alimentato con i dati dei radar, che offrono istantanee dei modelli meteorologici. Il modello può quindi generare il prossimo scenario probabile per il pattern meteorologico.
Poiché altri modelli, come il DGMR, sono addestrati solo sui dati radar, hanno solo un’istantanea parziale dell’atmosfera. Questo porta a risultati meno accurati per eventi rari come le precipitazioni estreme. Poiché NowcastNet è legato alla fisica, i ricercatori affermano che il loro modello è in grado di ottenere una visione più completa della pioggia e di come potrebbe comportarsi, portando a previsioni più accurate.
L’intelligenza artificiale potrebbe aiutarci a guadagnare tempo quando si tratta di previsioni a breve termine su eventi meteorologici come le precipitazioni. Le piogge estreme causano morte e distruzione di massa, ed è importante essere in grado di prevederle in un lasso di tempo che dia alle persone la possibilità di prepararsi, afferma Michael I. Jordan, informatico dell’Università della California, Berkeley, che ha lavorato allo studio.
È ancora presto per le previsioni meteorologiche basate sull’intelligenza artificiale e resta da vedere quanto questi sistemi saranno davvero utili nella pratica. Anche il cambiamento climatico potrebbe complicare il quadro, afferma Dueben.
“Il sistema climatico sta cambiando drasticamente. All’improvviso tutti i ghiacci dell’Artico scompaiono: nessuno sa cosa farà un modello come Pangu-Weather”, ha concluso.
