Google DeepMind e Google Research hanno lanciato giovedì WeatherNext 3, descrivendolo come il modello di intelligenza artificiale meteorologica globale più avanzato e accurato che l'azienda abbia mai realizzato. Il nuovo sistema produce una nuova previsione ogni ora anziché ogni sei e risolve le principali variabili superficiali come la temperatura e l’umidità su una griglia di 5 chilometri: un’immagine che secondo Google è circa cinque volte più nitida rispetto al suo predecessore, WeatherNext 2.
A differenza della maggior parte dei lanci di modelli, questo è già presente in prodotti utilizzati da miliardi di persone. Secondo Google, WeatherNext 3 ora fornisce risultati meteo su Ricerca, Gemini, Maps, Google Maps Platform e Google Cloud. Per i follower delle ultime [notizie e ricerche sull'intelligenza artificiale] (https://aibuzzwire.news), le previsioni meteorologiche sono diventate silenziosamente una delle frontiere di maggior successo commerciale dell'apprendimento automatico, un dominio in cui i sistemi di intelligenza artificiale non sono più demo di ricerca ma il motore predefinito dietro le risposte quotidiane.
Un salto di risoluzione quintuplicato
L'utilità di una previsione spesso si riduce ai dettagli: con quanta precisione un modello risolve sia lo spazio che il tempo. WeatherNext 3 genera previsioni orarie a più risoluzioni spaziali. La temperatura superficiale e l'umidità vengono visualizzate a 5 chilometri, altre variabili superficiali a 10 chilometri e variabili atmosferiche come la velocità del vento a 25 chilometri.
WeatherNext 2, al confronto, ha prodotto previsioni su una griglia di 25 chilometri con incrementi di 6 ore. In un confronto pubblicato insieme all’annuncio, la previsione della temperatura di 2 metri del nuovo modello sul Regno Unito ha risolto l’intricata topografia locale, evitando le rappresentazioni termiche pixelate e eccessivamente smussate prodotte dalla vecchia griglia.
Imparare dai satelliti dal vivo, non solo dalle simulazioni
Il cambiamento più profondo è ciò da cui il modello impara. La maggior parte dei modelli meteorologici basati sull’intelligenza artificiale, incluso WeatherNext 2, sono addestrati sui risultati della previsione meteorologica numerica (NWP), le simulazioni fisiche guidate da supercomputer che hanno ancorato la meteorologia operativa per decenni. Queste simulazioni comportano un ritardo dei dati di sei ore, che introduce distorsioni in variabili in rapido cambiamento come la pioggia e la temperatura superficiale.
WeatherNext 3 prende una strada diversa. Incorpora un mosaico live di immagini satellitari geostazionarie globali aggiornate ogni ora, insieme all'analisi storica tradizionale, e alimenta entrambi in un'unica rete generativa funzionale (FGN): un'architettura di trasformatore a maglie che produce campi densi, tracce cicloniche discrete e previsioni a livello di stazione in modo nativo. Poiché ogni previsione oraria si basa sulle osservazioni satellitari più recenti, Google afferma che il modello può tracciare il tempo in rapido cambiamento con una precisione molto maggiore, con alcuni dei maggiori guadagni in termini di precipitazioni: le previsioni di pioggia e neve in base alle quali le persone pianificano effettivamente le loro giornate.
Dalle celle della griglia alle tracce dei cicloni
I risultati dell'FGN sono notevolmente diversi per un singolo modello. Oltre ai campi grigliati, emette tracce cicloniche discrete e coordinate sparse a livello di stazione come previsioni di prima classe piuttosto che come componenti aggiuntivi post-elaborati. Ciò è importante per i meteorologi che monitorano uragani e tifoni, dove gli errori di tracciamento si traducono direttamente in decisioni di evacuazione. La precedente generazione WeatherNext di Google ha attirato l'attenzione in agosto per una svolta nella previsione dei cicloni tropicali e la nuova architettura estende quella linea di lavoro.
Dove appariranno le previsioni
Google sta implementando WeatherNext 3 su Search, Gemini, Maps, Google Maps Platform e Cloud. L'azienda ha inoltre evidenziato due aggiunte rivolte agli utenti professionali: previsioni più precise delle precipitazioni e nuove variabili di energia pulita, risultati progettati per il settore delle energie rinnovabili in cui gli operatori eolici e solari pianificano i cambiamenti atmosferici orari.
Le aziende possono integrare le previsioni tramite Google Cloud, che posiziona WeatherNext 3 non solo come una funzionalità per i consumatori ma come un prodotto di dati, su cui le aziende agricole, le società di logistica e gli operatori di rete possono basarsi direttamente.
Come è stata misurata la dichiarazione di accuratezza
L'affermazione di Google secondo cui WeatherNext 3 è il modello meteorologico globale più accurato fino ad oggi si basa non solo su test interni ma su valutazioni indipendenti in tempo reale condotte da Brightband, una società di intelligenza artificiale meteorologica che esegue benchmark continui dei sistemi di previsione. L’invito alla valutazione di terze parti sta diventando un modello per i modelli scientifici di Google e affronta una critica di lunga data secondo cui i documenti meteorologici sull’intelligenza artificiale riportano risultati su set storici curati piuttosto che su condizioni reali.
Perché questo è importante oltre l'app ombrello
L’annuncio di Google inquadra il meteo come un input per decisioni su ogni scala: dal prendere un ombrello alla gestione delle ondate di caldo e della siccità che si ripercuotono sull’agricoltura, sulle catene di approvvigionamento globali, sulla produzione di energia pulita e sulle economie nazionali. Negli ultimi anni, secondo Google, i previsori dell’intelligenza artificiale si sono guadagnati un posto in questo processo generando previsioni più velocemente rispetto ai metodi tradizionali e al tempo stesso eguagliando o battendo la loro precisione.
Anche il panorama competitivo si sta riscaldando. Negli ultimi anni le agenzie meteorologiche e le società tecnologiche hanno distribuito sistemi di previsione basati sull’intelligenza artificiale e le previsioni orarie satellitari alzano il livello per tutti loro. La domanda per il prossimo anno è se i servizi meteorologici nazionali inizieranno a trattare modelli come WeatherNext 3 come fonti primarie piuttosto che come integratori sperimentali e se la cadenza oraria di Google diventerà la nuova base di riferimento del settore.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
