I modelli previsionali convenzionali garantiscono risultati abbastanza affidabili soltanto per un periodo massimo di due settimane. Oltre tale limite, la complessità e l’instabilità del sistema atmosferico causano un aumento drastico delle incertezze. Rendendo le previsioni poco attendibili e spesso imprecise. Eppure, grazie ai recenti progressi nell’intelligenza artificiale, tale limite potrebbe presto essere superato. Uno studio innovativo, condotto da Trent Vonich, dottorando presso l’Università di Washington, ha portato ad importanti novità nel campo della meteorologia predittiva. Il team di ricerca ha sfruttato un modello AI chiamato Graphcast, sviluppato dal gruppo di DeepMind. L’obiettivo è estendere l’accuratezza delle previsioni meteo ben oltre i tradizionali 14 giorni, arrivando a superare il mese. La strategia adottata sfrutta l’uso di dati iniziali estremamente precisi e di confrontare le previsioni con i dati di rianalisi storici. Ciò per affinare l’addestramento del modello. I risultati ottenuti sono stati sorprendenti.
Previsioni meteo e AI: ecco le nuove evoluzioni
Graphcast ha dimostrato un miglioramento medio dell’86% nella precisione delle previsioni a dieci giorni. Ottenendo risultati importanti anche per le previsioni a lungo termine. Ciò rappresenta un passo importante per la meteorologia, soprattutto per affidabilità e durata delle previsioni. Una delle caratteristiche più interessanti di Graphcast e degli altri sistemi basati sull’intelligenza artificiale è che essi non si basano direttamente sulla risoluzione delle complesse equazioni fisiche dell’atmosfera. Invece, tali modelli apprendono dai dati osservati, studiando i pattern e le correlazioni temporali tra le variabili meteorologiche.
Tale approccio statistico permette di ridurre drasticamente i tempi di calcolo e di aumentare l’efficienza. Consentendo di elaborare previsioni ad alta risoluzione in tempi molto rapidi. Un altro aspetto cruciale è l’utilizzo di architetture avanzate come i Transformer, che mantengono la coerenza tra le diverse variabili fisiche durante le simulazioni. Evitando errori non realistici che in passato avevano limitato l’applicazione dell’intelligenza artificiale in meteorologia. Non resta che attendere per scoprire se tali modelli manterranno la loro accuratezza quando dovranno operare in condizioni climatiche molto diverse rispetto a quelle su cui sono stati addestrati.
