L’intelligenza artificiale di Google sta espandendo il suo raggio d’azione nel settore delle previsioni meteorologiche con il nuovo modello GenCast. Questo “modello di ensemble AI ad alta risoluzione” è descritto in un articolo su Nature e si propone di migliorare l’accuratezza delle previsioni, particolarmente utile per la vita quotidiana, la previsione di disastri e la gestione dell’energia rinnovabile. Negli esperimenti iniziali, GenCast ha superato l’attuale sistema di riferimento, l’ENS dell’ECMWF, nella capacità di effettuare previsioni fino a 25 giorni.
GenCast è un modello diffusionale, assimilabile a quelli utilizzati nei generatori di immagini AI, ma progettato specificamente per la geometria terrestre. È stato addestrato su quattro decenni di dati storici provenienti dagli archivi ECMWF. Per testarne l’efficacia, Google ha utilizzato dati meteorologici storici fino al 2018, eseguendo 1.320 previsioni per il 2019 e confrontando i risultati con quelli dell’ENS e le condizioni meteorologiche reali. GenCast ha dimostrato di essere più accurato dell’ENS nel 97,2% dei casi, raggiungendo un’accuratezza del 99,8% nelle previsioni a 36 ore.
Un’applicazione pratica del modello è stata la previsione del percorso del tifone Hagibis, che ha colpito il Giappone nel 2019. I risultati evidenziano che, sebbene inizialmente i percorsi previsti siano ampi, si concentrano sull’itinerario reale man mano che il tifone si avvicina all’atterraggio. Inoltre, GenCast è in grado di prevedere la velocità del vento vicino ai parchi eolici e le condizioni meteorologiche sui parchi solari.
Essendo un “modello ensemble”, GenCast genera oltre 50 previsioni con probabilità diverse in pochi minuti, realizzando calcoli in parallelo. Rispetto ai modelli tradizionali, che richiedono ore di elaborazione su supercomputer, GenCast offre un notevole vantaggio temporale. Google ha deciso di rilasciare GenCast come modello open source, condividendo il codice con la comunità. L’azienda intende continuare a collaborare con agenzie meteorologiche e scienziati per migliorare ulteriormente le previsioni in futuro.
