Il modello meteorologico AI utilizza 7,000 volte meno energia rispetto ai modelli tradizionali

Le previsioni meteorologiche sono uno dei compiti cruciali che i nostri computer più potenti svolgono. Richiede milioni di calcoli e enormi macchine che risolvono equazioni, che aiutano a prevedere condizioni come temperatura, vento e precipitazioni. È anche uno strumento vitale per prevedere grandi eventi meteorologici, che possono sconvolgere intere regioni ed economie.

Il campo delle previsioni meteorologiche continua a migliorare rapidamente man mano che la nostra tecnologia si evolve, diventando più precisa ed efficiente. Un nuovo lavoro derivante da una collaborazione tra l'Università di Washington e Microsoft Research dimostra come l'intelligenza artificiale (AI) può essere utilizzata per queste previsioni esatte. La nuova tecnologia analizza i modelli meteorologici passati per prevedere eventi futuri e lo fa in modo più efficiente rispetto ai modelli attuali. Con più progressi, potrebbe anche raggiungere un punto in cui è molto più preciso anche rispetto ai modelli odierni.

Nuovo modello meteorologico globale

Il nuovo modello meteorologico globale utilizza gli ultimi 40 anni di dati meteorologici per fare le sue previsioni, che è diverso da altri che utilizzano calcoli fisici. Il nuovo modello è semplice e basato sui dati e può simulare i modelli meteorologici per un anno intero, essendo applicato in tutto il mondo. È sia più veloce che altrettanto efficiente dei modelli attuali, che raggiunge attraverso passaggi ripetuti con ogni previsione

La ricerca è stata pubblicatonel Journal of Advances in Modeling Earth Systems.

Jonathan Weyn è l'autore principale della ricerca.

“L’apprendimento automatico sta essenzialmente realizzando una versione glorificata del riconoscimento di modelli”, ha affermato Weyn. “Vede un modello tipico, riconosce come si evolve di solito e decide cosa fare sulla base degli esempi che ha visto negli ultimi 40 anni di dati”.

Il nuovo modello è attualmente meno accurato rispetto ai modelli all'avanguardia di oggi, ma essendo basato sull'intelligenza artificiale, utilizza una potenza del computer 7,000 volte inferiore per sviluppare la stessa gamma di previsioni. Poiché ha un carico di lavoro computazionale inferiore, è più veloce.

Previsioni d'insieme  

Con questa maggiore velocità, i centri di previsione sarebbero in grado di eseguire più modelli con condizioni diverse. Questa è chiamata "previsione d'insieme" e viene utilizzata per fare previsioni su una gamma di possibili condizioni per un evento meteorologico.

Dale Durran è un professore UW di scienze atmosferiche e autore della ricerca.

“C'è molta più efficienza in questo approccio; questo è ciò che è così importante al riguardo”, ha detto Durran. "La promessa è che potrebbe consentirci di affrontare i problemi di prevedibilità grazie a un modello sufficientemente veloce da eseguire insiemi molto grandi".

Questo progetto è iniziato quando Rich Caruana di Microsoft Research, coautore dell'articolo, ha proposto di utilizzare l'intelligenza artificiale per le previsioni meteorologiche basate su dati storici. Ciò significava che non era più necessario fare affidamento sulle leggi fisiche per fare tali previsioni.

"Dopo essersi allenato sui dati meteorologici passati, l'algoritmo AI è in grado di elaborare relazioni tra diverse variabili che le equazioni fisiche non possono proprio fare", ha detto Weyn. "Possiamo permetterci di utilizzare molte meno variabili e quindi realizzare un modello molto più veloce".

Il modello è stato testato prevedendo una variabile standard nelle previsioni meteorologiche. Ha fatto previsioni ogni 12 ore per un anno intero e il nuovo modello è stato uno dei migliori secondo WeatherBench, che è un test di riferimento per le previsioni meteorologiche basate sui dati.

I ricercatori devono continuare a mettere a punto il modello se deve essere utilizzato insieme o al posto dei modelli esistenti. Gli autori ritengono che questa potrebbe essere un'alternativa alla generazione di previsioni meteorologiche in futuro.