Il perfezionamento dei modelli che utilizzano l’AI generativa per prevedere il meteo e gli eventi estremi non accenna a rallentare.
A dicembre, Google ha presentato l’ennesimo avanzamento in questo campo con GenCast, il modello successivo a GraphCast. Secondo Google, il nuovo modello rappresenta un passo avanti significativo, poiché con GenCast cambia l’approccio all’utilizzo dei dati e al loro output. Se GraphCast era un modello deterministico, progettato per fornire una singola previsione il più precisa possibile, GenCast adotta un approccio completamente diverso: a partire dai dati iniziali, il modello genera 50 o più previsioni. Questo cambiamento riflette la consapevolezza di Google che, essendo quasi impossibile ottenere una previsione perfetta a lungo termine, i decisori devono fare affidamento su previsioni di ensemble probabilistiche.
GenCast è stato addestrato utilizzando un dataset di quattro decenni di dati storici provenienti dall’archivio ERA5 dell’ECMWF. Questi dati includono variabili come temperatura, velocità del vento e pressione atmosferica a diverse altitudini. Per valutare l’efficacia del modello, il dataset è stato utilizzato fino al 2018, consentendo poi di testare GenCast con i dati del 2019 e confrontarne le previsioni con quelle del modello ENS dell'ECMWF. I risultati hanno dimostrato una superiorità complessiva di GenCast rispetto al modello tradizionale.
Il nuovo modello è in grado di elaborare un input per generare una serie di previsioni che delineano un quadro probabilistico dell’area interessata da un fenomeno meteorologico. Secondo Google, GenCast è progettato per fornire un trend sufficientemente affidabile relativo all’area colpita.
Un altro aspetto rilevante è la velocità di calcolo di GenCast: bastano solo otto minuti per produrre una previsione di 15 giorni utilizzando un singolo Google Cloud TPU v5. Al contrario, le previsioni ensemble basate sulla fisica tradizionale richiedono ore e l’impiego di supercomputer con decine di migliaia di processori.
Comments