Google introduce WeatherNext 2, l’evoluzione del modello di previsione meteo sviluppato da Google DeepMind e Google Research. La nuova versione nasce con l’obiettivo di rendere il servizio più affidabile e immediato, offrendo previsioni formulate otto volte più rapidamente rispetto alla generazione precedente e con una risoluzione temporale che arriva fino a un’ora. Il miglioramento riguarda sia la rapidità dell’elaborazione sia la qualità del risultato, con un incremento di accuratezza sul 99,9% delle variabili considerate nel processo di analisi.
Il passo avanti non è soltanto tecnico. Se fino a oggi WeatherNext era stato utilizzato soprattutto in ambito di ricerca, questa nuova iterazione viene presentata come matura per un impiego diretto da parte degli utenti. Come sottolineato da Peter Battaglia, direttore senior della ricerca e della sostenibilità di Google DeepMind, il modello esce definitivamente dalla fase sperimentale grazie a prestazioni ritenute pienamente all’altezza dell’uso quotidiano.
Un approccio diverso alla previsione atmosferica
Una delle caratteristiche più significative di WeatherNext 2 è la capacità di generare centinaia di scenari meteo a partire dai parametri iniziali, sfruttando l’elaborazione su TPU in meno di un minuto. Il confronto con i metodi meteorologici tradizionali evidenzia un divario enorme: i sistemi classici richiedono ore di calcolo su computer ad alte prestazioni per simulare la fisica dell’atmosfera.
Il nuovo modello fa leva su un’impostazione differente. I sistemi convenzionali si basano sull’elaborazione fisica delle condizioni di partenza, ricostruendo in modo dettagliato il comportamento dell’atmosfera. WeatherNext 2, invece, utilizza l’intelligenza artificiale per apprendere dai dati meteo storici e produrre previsioni coerenti, riducendo drasticamente i tempi necessari per l’elaborazione. Questo metodo permette di ottenere risultati rapidi mantenendo una solidità scientifica legata all’enorme quantità di dati utilizzati durante la fase di addestramento.
Una piattaforma pensata per scalare
La riduzione dei tempi di calcolo consente a Google di rendere il sistema più accessibile e potenzialmente integrabile in strumenti che necessitano di aggiornamenti frequenti. La combinazione tra velocità, capacità predittiva e minore richiesta di risorse apre la strada all’utilizzo del modello in scenari più ampi, dal monitoraggio delle condizioni locali alla gestione di eventi meteorologici improvvisi.
