DeepMind, società di Google, ha pubblicato sulla rivista Nature GenCast, un nuovo modello che supera le migliori previsioni meteo a 15 giorni. “È un grande passo avanti”, ha dichiarato Kerry Emanuel, professore emerito di scienze atmosferiche al Massachusetts Institute of Technology (MIT), non coinvolto nella ricerca di DeepMind. Nel 2019, Emanuel e altri sei esperti, scrivendo nel Journal of the Atmospheric Sciences, avevano sostenuto che avanzare lo sviluppo di previsioni affidabili fino a 15 giorni rispetto ai 10 giorni attuali avrebbe avuto “enormi benefici socioeconomici” aiutando il pubblico a evitare gli effetti peggiori del clima estremo.
Negli anni ’60, gli scienziati del meteo scoprirono che la natura caotica dell’atmosfera terrestre poneva un limite temporale alle previsioni. Due settimane sembravano essere il massimo. Tuttavia, all’inizio degli anni 2000, le previsioni affidabili erano ancora limitate a circa una settimana.
GenCast: velocità e precisione
Ilan Price, autore principale dell’articolo apparso su Nature (con il titolo “Probabilistic weather forecasting with machine learning“) e ricercatore senior presso DeepMind, ha descritto il nuovo agente AI, GenCast, come molto più veloce dei metodi tradizionali. “E più preciso”, ha aggiunto. Lui e i suoi colleghi hanno scoperto che GenCast supera il precedente programma meteo AI di DeepMind, lanciato alla fine del 2023 con previsioni affidabili a 10 giorni. Rémi Lam, scienziato capo di quel progetto e uno dei coautori dell’articolo, ha descritto i progressi della squadra meteo dell’azienda come sorprendentemente rapidi.
GenCast di DeepMind a confronto con i leader mondiali delle previsioni meteo
Il leader mondiale nelle previsioni atmosferiche è il Centro Europeo per le previsioni meteorologiche a medio termine. I test comparativi mostrano regolarmente che le sue proiezioni superano tutte le altre in termini di accuratezza. DeepMind ha testato il suo nuovo programma AI contro il sistema di previsione Ensemble del centro, un servizio su cui si basano 35 nazioni per produrre le proprie previsioni meteo. Il rapporto di Nature afferma che il nuovo agente ha superato le previsioni del centro nel 97,2% dei casi.
GenCast, una nuova era per le previsioni operative
Matthew Chantry, specialista in AI presso il Centro Europeo, ha affermato che la sua agenzia sta già adottando alcune delle caratteristiche di GenCast. “È così che lo valutiamo”, ha detto. L’apprendimento automatico, in generale, sta accelerando i tentativi umani di superare alcune delle minacce più mortali della natura.
Lam di DeepMind ha osservato che le abilità generative di GenCast sono radicate in dati fattuali raccolti dalla natura anziché da internet, noto per il suo mix confuso di fatti, pregiudizi e fallacie. “Abbiamo una verità di base”, ha detto, riferendosi alla sua dipendenza dai fenomeni naturali. “Abbiamo un controllo della realtà”.
Complementarietà con i metodi attuali
GenCast probabilmente completerà i metodi attuali anziché sostituirli, ha sostenuto Emanuel. Ogni tipo, ha detto, ha i propri punti di forza e di debolezza nel prevedere il tumulto dei fenomeni variabili che costituiscono il clima. “Lo status quo non scomparirà”, ha detto Emanuel. “Forse, lavorando insieme, i due si riveleranno il modo migliore per andare avanti”.
Un futuro di collaborazione aperta
Il team di DeepMind spera che altri esperti del meteo testeranno la sua nuova tecnologia. Price ha affermato che il team di DeepMind condividerà online il suo agente AI e il codice informatico sottostante. Ha aggiunto che le previsioni meteo di GenCast saranno presto pubblicate pubblicamente su Google Earth Engine e Big Query, dando agli scienziati accesso alle nuove previsioni. “Siamo entusiasti che la comunità utilizzi e sviluppi la nostra ricerca”, ha aggiunto Price.
Conclusioni
Secondo Matthew Chantry del Centro europeo, Google e DeepMind avrebbero potuto nascondere il loro progresso AI dietro un muro di segretezza aziendale, usandolo “per fare una previsione meteo migliore per le loro app e non dicendo a nessuno come hanno fatto”. Invece, ha aggiunto, hanno abbracciato un’apertura pubblica che sta aiutando molte persone a partecipare a questa rivoluzione”.
Nota
Questo lavoro riflette i contributi dei coautori dell’articolo: Ilan Price, Alvaro Sanchez-Gonzalez, Ferran Alet, Tom Andersson, Andrew El-Kadi, Dominic Masters, Timo Ewalds, Jacklynn Stott, Shakir Mohamed, Peter Battaglia, Remi Lam e Matthew Willson.
