Quando Helene ha toccato terra in Florida all'inizio di quest'anno, 234 persone sono morte a causa del peggior uragano che abbia colpito la terraferma degli Stati Uniti dopo Katarina nel 2005. Disastri naturali come questi e la loro crescente intensità dovuta ai cambiamenti climatici hanno spinto gli scienziati a sviluppare sistemi di previsione meteorologica più accurati. Mercoledì scorso, la divisione DeepMind di Google ha annunciato forse il più importante progresso in questo campo in quasi otto decenni.
In un post sul Google Keyword Blog, Ilan Price e Matthew Wilson di DeepMind hanno presentato GenCast, l'ultimo agente AI dell'azienda. Secondo DeepMind, GenCast non solo è migliore nelle previsioni del tempo giornaliere ed estreme rispetto al suo precedente programma meteo AI, ma supera anche l'attuale miglior sistema di previsione gestito dal Centro europeo per le previsioni meteorologiche a medio raggio (ECMWF). Nei test che hanno messo a confronto le previsioni del tempo a 15 giorni dei due sistemi per il 2019, GenCast è risultato in media più preciso del sistema ENS dell'ECMWF nel 97,2% dei casi. Per le previsioni di oltre 36 ore, il sistema di DeepMind è risultato ancora più preciso, con il 99,8%.
"Odio dirlo, ma è come se in un anno avessimo fatto miglioramenti di decenni", ha dichiarato al New York Times Rémi Lam, scienziato capo dell'ex programma meteo di DeepMind. "Stiamo assistendo a progressi davvero, davvero rapidi".
GenCast è un modello di diffusione basato sulla stessa tecnologia degli strumenti di AI generativa di Google. DeepMind ha addestrato il software con quasi 40 anni di dati meteo di alta qualità raccolti dal Centro europeo per le previsioni meteorologiche a medio raggio. Le previsioni del nuovo modello sono di tipo probabilistico, cioè tengono conto di una serie di possibilità, che vengono poi espresse in percentuale. I modelli probabilistici sono considerati più sofisticati e utili rispetto alle loro controparti deterministiche, che si limitano a fornire una stima ottimale del tempo in un determinato giorno. I primi sono anche più difficili da creare e calcolare.
L'aspetto forse più sorprendente è che GenCast richiede molta meno potenza di calcolo rispetto alle previsioni ensemble convenzionali, basate su dati fisici, come l'ENS. Secondo Google, una singola delle sue Tensor Processing Unit TPU v5 può generare una previsione di 15 giorni di GenCast in otto minuti. In confronto, un supercomputer con decine di migliaia di processori può impiegare ore per produrre una previsione basata sulla fisica.
Naturalmente, anche GenCast non è perfetto. Un'area in cui il software potrebbe fornire previsioni migliori è la forza degli uragani. Tuttavia, il team di DeepMind ha dichiarato al Times di essere fiducioso di trovare soluzioni alle attuali carenze dell'agente. Nel frattempo, Google sta rendendo GenCast un modello aperto e sta fornendo un esempio di codice per lo strumento su GitHub. Le previsioni di GenCast saranno presto disponibili anche in Google Earth.
