Le previsioni meteorologiche odierne si basano su modelli complessi che incorporano le leggi che governano la dinamica dell'atmosfera e degli oceani, e questi modelli funzionano su alcuni dei supercomputer più potenti esistenti. Tuttavia, Alphabet (la società madre di Google) è riuscita a prevedere le condizioni meteorologiche globali per i prossimi 10 giorni in un solo minuto utilizzando un'unica macchina delle dimensioni di un personal computer, grazie all'intelligenza artificiale sviluppata da DeepMind. IL L'intelligenza artificiale di Google prevede il tempo e questo è appena iniziato.
In questo articolo ti racconteremo come l'intelligenza artificiale di Google prevede il tempo e come si è evoluta questa tecnologia.
L'intelligenza artificiale di Google prevede il tempo
Sorprendentemente, questo sistema di intelligenza artificiale supera la maggior parte dei moderni sistemi di previsione meteorologica in quasi ogni aspetto. È interessante notare che questa volta l’intelligenza artificiale funge da complemento all’intelligenza umana anziché sostituirla.
Il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) dispone di un sistema incredibilmente avanzato che ha subito un importante aggiornamento lo scorso anno, migliorando le sue capacità predittive. Ospitato presso le proprie strutture a Bologna, Italia, Esiste un supercomputer dotato di circa un milione di processori (a differenza dei due o quattro presenti in un personal computer) e una straordinaria potenza di calcolo di 30 petaflop, equivalenti all'incredibile cifra di 30.000 trilioni di calcoli al secondo.
Questa immensa capacità computazionale è necessaria per uno dei suoi strumenti, la previsione ad alta risoluzione (HRES), che prevede accuratamente i modelli meteorologici globali a medio termine, che Generalmente durano 10 giorni, con un'impressionante risoluzione spaziale di nove chilometri. Queste previsioni servono come base per le previsioni meteorologiche fornite dai meteorologi di tutto il mondo. Recentemente, GraphCast, un'intelligenza artificiale sviluppata da Google DeepMind, è stata utilizzata per misurare le capacità di questo formidabile sistema nella previsione del tempo.
Risultati dello studio sull'intelligenza artificiale
I risultati del confronto, pubblicati martedì sulla rivista Science, rivelano che GraphCast supera HRES nella previsione di numerosi fattori meteorologici. Secondo lo studio, La macchina di Google supera quella dell'ECMWF nel 90,3% dei 1.380 parametri esaminati.
Concentrandosi esclusivamente sulla troposfera, lo strato atmosferico in cui si verificano la maggior parte degli eventi meteorologici, ed escludendo i dati provenienti dalla stratosfera, che si trova a circa 6-8 chilometri sopra la superficie terrestre, l'intelligenza artificiale (A.I.) supera i supercomputer supervisionati dall'uomo nel 99,7% dei casi. casi. le variabili analizzate. Sorprendentemente, questo risultato è stato ottenuto utilizzando una macchina che somiglia molto a un personal computer noto come unità di elaborazione tensore o TPU.
Secondo Álvaro Sánchez González, ricercatore di Google DeepMind, i TPU sono hardware specializzato che offre un addestramento e un'esecuzione più efficiente del software di intelligenza artificiale rispetto a un normale PC, pur mantenendo dimensioni simili. Proprio come la scheda grafica di un computer si concentra sul rendering delle immagini, le TPU sono progettate per eccellere nei prodotti a matrice. Per la formazione GraphCast, abbiamo utilizzato 32 TPU nel corso di diverse settimane. Tuttavia, una volta completata la formazione, una singola TPU può generare previsioni in meno di un minuto, come spiega Sánchez González, uno dei creatori del dispositivo.
GraphCast e sistemi di previsione
Una distinzione notevole tra GraphCast e i sistemi di previsione esistenti è la sua capacità di incorporare dati storici. I creatori hanno addestrato il sistema utilizzando i dati meteorologici dell'archivio ECMWF risalenti al 1979. Questo ampio set di dati copre le piogge a Santiago e i cicloni che hanno colpito Acapulco per un periodo di 40 anni. Dopo una notevole quantità di formazione, GraphCast ha la notevole capacità di generare previsioni meteorologiche accurate.
Richiede solo la conoscenza delle condizioni meteorologiche sei ore prima e immediatamente prima della previsione per prevedere con precisione il tempo tra altre sei ore. Le previsioni sono interdipendenti e ogni nuova previsione informa quella precedente. Ferran Alet, co-creatore di questa imponente macchina DeepMind, ne spiega il funzionamento interno: «La nostra rete neurale anticipa le condizioni meteorologiche con sei ore di anticipo. Per prevedere il tempo in 24 ore, valutiamo semplicemente il modello quattro volte. In alternativa, avremmo potuto addestrare modelli separati per i diversi periodi di tempo, ad esempio uno per sei ore e uno per 24 ore. Tuttavia, "Comprendiamo che i principi sottostanti che governano il clima rimangono coerenti entro un periodo di sei ore."
"Pertanto, se riusciamo a scoprire il modello appropriato a 6 ore e a utilizzare le sue previsioni come input, possiamo prevedere con precisione il tempo per le prossime 12 ore e ripetere questo processo ogni sei ore." Secondo Alet, questo approccio fornisce una notevole quantità di dati per un singolo modello, con conseguente formazione più efficiente.
Fino ad ora, le previsioni meteorologiche si sono basate su previsioni meteorologiche numeriche, che utilizzano equazioni scientifiche sviluppate nel corso della storia per tenere conto delle varie complessità della dinamica atmosferica. I risultati dei ricercatori stabiliscono una serie di algoritmi matematici utilizzati dai supercomputer deve essere eseguito per generare previsioni per le prossime ore, giorni o settimane (anche se l'affidabilità diminuisce significativamente oltre i 15 giorni). Tuttavia, per svolgere questo compito è necessario un supercomputer molto avanzato, che comporta costi significativi e notevoli sforzi ingegneristici.
Il modello AI di Google prevede il tempo
Ciò che è particolarmente degno di nota è che questi sistemi non utilizzano le condizioni meteorologiche del giorno precedente e nemmeno dell'anno precedente, nonostante avvenga nello stesso luogo e nello stesso momento.
Al contrario, affronta il compito da una prospettiva diversa, quasi opposta. Attraverso le sue capacità avanzate di deep learning, utilizza ampi archivi di dati meteorologici passati per acquisire una comprensione completa delle intricate dinamiche di causa-effetto che determinano la progressione del clima terrestre.
Secondo José Luis Casado, portavoce dell'Agenzia meteorologica spagnola (AEMET), nel modello atmosferico non si tiene conto dei dati storici. Casado chiarisce che questo modello si basa sulle osservazioni esistenti e sulla previsione più recente fatta dal modello stesso. Comprendendo accuratamente lo stato attuale dell’atmosfera, è possibile prevederne l’evoluzione futura. A differenza delle tecniche di machine learning, questo approccio non utilizza dati storici o previsioni.
Spero che con queste informazioni tu possa saperne di più sull'intelligenza artificiale di Google che prevede il tempo e le sue caratteristiche.