Meteo, il clima estremo invoca l’intelligenza artificiale

Con la crisi del clima cresce l’instabilità delle condizioni meteo e la necessità di previsioni sempre più accurate, per salvare vite umane e ridurre al minimo il danno economico degli eventi più gravi. Da qui, la rapida crescita del comparto, alla ricerca di un futuro in cui ogni contadino sia messo in grado di gestire semine e raccolti in sicurezza, in cui sia facile programmare i consumi di energia sulla base degli orari di produzione eolica e solare, in cui sia possibile pianificare i tempi di costruzione degli edifici o conoscere in anticipo l’arrivo di un’alluvione.

Ogni euro investito nella previsione accurata di alluvioni e siccità genera un ritorno di ben 400 euro, secondo le stime dell’European Centre for Medium-range Weather Forecasts, un’organizzazione intergovernativa con sede centrale a Reading, sostenuta da 23 membri della Ue (più altri 12 Paesi), il cui sistema informatico contiene il più grande archivio al mondo di dati meteo, in uno dei maggiori complessi di supercomputer in Europa, installato da un anno nel Tecnopolo di Bologna.

Proprio su questi dati si sono basate le recenti sperimentazioni dell’intelligenza artificiale applicata alle previsioni meteo, da cui sono emersi gli straordinari risultati ottenuti da GraphCast di Google DeepMind. Il modello GraphCast «segna un punto di svolta nelle previsioni», sostengono i suoi sviluppatori in un articolo pubblicato a metà novembre sulla rivista Science. Una valutazione approfondita ha dimostrato che GraphCast è più accurato del sistema convenzionale gestito dall’Ecmwf di Reading, a oggi leader mondiale per le previsioni con un anticipo da tre a dieci giorni. Nel 90% delle 1.380 variabili atmosferiche prese in esame, il modello di Google DeepMind è stato più accurato delle previsioni prodotte dal Centro europeo, che includevano temperatura, pressione, umidità, velocità e direzione del vento a diversi livelli dell’atmosfera. Matthew Chantry, responsabile del machine learning nel Centro europeo, ha certificato questi risultati.

Il Centro europeo ha eseguito test in tempo reale con modelli di intelligenza artificiale di Huawei e Nvidia, oltre a DeepMind, insieme al proprio sistema di previsione integrato, e Chantry ha sottoscritto l’affermazione di DeepMind secondo cui il suo sistema è il più accurato. «È verificato che GraphCast sia costantemente più abile degli altri modelli di apprendimento automatico, Pangu-Weather di Huawei e FourCastNet di Nvidia, e su molti punti è anche più accurato del nostro sistema di previsione», sostiene Chantry. E non è l’unico vantaggio garantito da questa tecnologia, che oltre a essere accurata è anche molto rapida.

Le simulazioni meteorologiche standard, utilizzate dall’Ecmwf di Reading o dalla National Oceanic and Atmospheric Association degli Stati Uniti, si basano sulla cosiddetta «previsione meteorologica numerica», che utilizza modelli matematici e fisici dell’atmosfera terrestre partendo dalla condizione meteo conosciuta al momento della previsione. Nel corso degli ultimi decenni l’accuratezza di questo metodo è migliorata drasticamente, ma rimane molto complesso e richiede ore di lavoro di diversi supercalcolatori, data l’enorme mole di dati da analizzare. Il modello sviluppato dai ricercatori di DeepMind, guidati da Rémi Lam, si può invece utilizzare su un laptop e fornisce risultati accurati in meno di un minuto.