Un nuovo modello di previsione meteorologica basato sull’intelligenza artificiale può svolgere il lavoro con una precisione senza precedenti e significativamente più veloce della tecnologia attuale.
Realizzato da Google DeepMind, il laboratorio incentrato sull’intelligenza artificiale del colosso del web, GraphCast sembra destinato a rivoluzionare il processo di previsione del tempo.
Video consigliati
GraphCast può prevedere il tempo fino a 10 giorni in anticipo “in modo più accurato e molto più veloce rispetto allo standard meteorologico del settore sistema di simulazione: le previsioni ad alta risoluzione (HRES), prodotte dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF)”, Google DeepMind detto in un post il martedì.
Imparentato
- Lo strumento di rilevamento delle immagini AI di Google sembra che potrebbe funzionare
- La nuova Bard AI di Google potrebbe essere abbastanza potente da far preoccupare ChatGPT – ed è già qui
In particolare, lo strumento può anche offrire avvisi anticipati di
eventi meteorologici estremi e prevedere il movimento dei cicloni in modo più accurato, dando alle autorità e ai residenti più tempo per prepararsi alle tempeste dannose, salvando potenzialmente vite umane nel processo.Quando l’uragano Lee colpì il Canada orientale a settembre, GraphCast aveva previsto con precisione che avrebbe toccato terra La Nuova Scozia nove giorni prima, mentre le previsioni tradizionali facevano la stessa previsione solo circa sei giorni dopo avanzare.
GraphCast è stato addestrato su quattro decenni di dati meteorologici, consentendogli di apprendere le relazioni di causa ed effetto dietro i sistemi meteorologici della Terra, ha affermato il team di DeepMind.
Sorprendentemente, GraphCast impiega meno di 60 secondi per creare una previsione di 10 giorni, rendendolo molto più veloce rispetto al sistema convenzionale approccio utilizzato da HRES, che, secondo il team, “può richiedere ore di calcolo in un supercomputer con centinaia di macchine."
Confrontando i due sistemi, GraphCast ha fornito previsioni più accurate su oltre il 90% delle 1.380 variabili di test e tempi di previsione rispetto a HRES.
“Quando abbiamo limitato la valutazione alla troposfera, la regione dell’atmosfera alta dai 6 ai 20 chilometri più vicina alla superficie terrestre dove le previsioni accurate sono più importanti, il nostro modello ha sovraperformato l’HRES sul 99,7% delle variabili di test per il meteo futuro”, ha affermato il team disse.
Man mano che i modelli meteorologici si evolvono nel clima in continua evoluzione della Terra, GraphCast non potrà che migliorare man mano che riceverà dati di qualità superiore.
Il team sta rendendo open source il codice modello di GraphCast per consentire a scienziati e meteorologi l’accesso alla tecnologia. Ciò consentirà loro di adattarlo a fenomeni meteorologici specifici e di ottimizzarlo per diverse parti del mondo. L’ECMWF sta già sperimentando lo strumento.
Uno studio pubblicato martedì da Science offre uno sguardo più dettagliato su GraphCast.
“L’uso pionieristico dell’intelligenza artificiale nelle previsioni meteorologiche porterà benefici a miliardi di persone nella loro vita quotidiana”, ha affermato Google DeepMind. “Ma la nostra ricerca più ampia non riguarda solo l’anticipazione del tempo: riguarda la comprensione dei modelli più ampi del nostro clima. Sviluppando nuovi strumenti e accelerando la ricerca, speriamo che l’intelligenza artificiale possa consentire alla comunità globale di affrontare le nostre più grandi sfide ambientali”.
Raccomandazioni degli editori
- Google Bard potrebbe presto diventare il tuo nuovo life coach basato sull'intelligenza artificiale
- Queste sono le nuove funzionalità AI in arrivo su Gmail, Google Documenti e Fogli
- Il nuovo strumento per la privacy di Google ti consente di sapere se le tue informazioni personali sono trapelate
Migliora il tuo stile di vitaDigital Trends aiuta i lettori a tenere d'occhio il frenetico mondo della tecnologia con tutte le ultime notizie, divertenti recensioni di prodotti, editoriali approfonditi e anteprime uniche nel loro genere.
