AI delle mie brame… che tempo farà nel reame?
Un paio di mesi or sono sono iniziati i lavori di dis- e rifacimento della nostra veranda.
È da allora che mio marito e io verifichiamo le previsioni meteorologiche “ora per ora” dei giorni a seguire almeno due volte al dì: mattina e sera.
E ovviamente da un paio di mesi a questa parte sul Golfo del Tigullio piove, pioviggina o (purtroppo) diluvia con una certa insistenza…
Leggendo 20bits, la sezione tecnologica online di 20minutos, scopro che forse l’intelligenza artificiale di cui pare io sia l’unica fan in famiglia potrà rendere la programmazione dei nostri lavori di ristrutturazione più semplice, ergo finalmente conquistarsi i favori dell’intero parentado:
“Google presenta un’AI meteorologica in grado di prevedere il tempo dei 10 giorni successivi in meno di un minuto. GraphCast è un’intelligenza artificiale che fornisce una previsione accurata del tempo per stimare eventi climatici estremi in meno di un minuto”.
Scopro così che non lontano da casa - più precisamente a Bologna - ha sede l’Ecmwf, ovvero il Centro europeo per le previsioni meteorologiche a medio termine. Il relativo Ifs (Sistema integrato di previsione) elabora continuamente informazioni ed emette e diffonde previsioni aggiornate ogni 6 ore, il tutto senza soluzione di continuità.
L’Ifs e più in generale le metodologie più diffuse oggi si fondano sulla Nwp, ovvero la previsione meteo numerica, che richiede la soluzione di complesse equazioni grazie all’impiego di supercomputers.
Il successo della Nwp si fonda da un lato sull’instancabile lavoro di esperti che affinano continuamente i modelli, gli algoritmi e le approssimazioni alla base dei calcoli, e dall’altro lato sulla disponibilità di computers sempre più potenti. Comporta quindi un notevole investimento di risorse umane, tecniche e in ultima istanza economiche.
L’impiego del machine learning - ossia di una Mlwp anziché della Nwp - può offrire un’alternativa interessante sotto numerosi aspetti: “i modelli di previsione possono apprendere sulla base di dati storici, compresi dati empirici e analitici. Ciò può migliorare l’accuratezza delle previsioni, catturando schemi non facilmente rappresentabili da equazioni esplicite. L’Mlwp offre anche opportunità di maggiore efficienza impiegando il moderno hardware di deep learning, anziché i supercomputers, e trovando un miglior compromesso tra velocità e accuratezza.”
GraphCast è esattamente un “approccio Mlwp per le previsioni meteorologiche globali a medio termine che produce una previsione accurata di 10 giorni in meno di un minuto impiegando un singolo dispositivo Google Cloud TPU v4, e che supporta applicazioni tra cui la previsione dei movimenti dei cicloni tropicali, dei fiumi atmosferici (imponente flusso di aria umida proveniente dalle regioni tropicali) e delle temperature estreme”.
La conclusione dello studio è che l’Mlwp oggi sia all’altezza dei metodi tradizionali di previsione meteo, ovvero dell’Nwp. Non ne dubitavo, dal momento che gli studi alla base di questo paper sono stati esclusivamente e interamente finanziati da Google DeepMind e da Alphabet.
Tuttavia, pare che non si voglia (ancora?) proporre di “lasciare la via vecchia per la nuova”: si prospetta piuttosto un’integrazione e miglioramento dell’Nwp grazie all’Mlwp.
“Il nostro approccio non dovrebbe essere considerato come una sostituzione dei metodi tradizionali di previsione meteorologica, che sono stati sviluppati per decenni, rigorosamente testati in molteplici contesti reali, e offrono molte caratteristiche che non abbiamo ancora esplorato. Il nostro lavoro dovrebbe piuttosto essere interpretato come prova che l’Mlwp è in grado di affrontare le sfide dei problemi di previsione nel mondo reale e ha il potenziale per integrare e migliorare le attuali metodiche migliori”.
Un detto genovese recita “Se n’accorziemo a-o frizze, se saiàn pèsci o anghille” (letteralmente: “Ci accorgeremo friggendo, se saranno pesci o anguille)… ovvero “lo scopriremo a tempo debito”.
Personalmente, trovo molto interessanti le opportunità che l’AI può offrirci. E non temo un’Apocalisse scatenata dall’AI: temo piuttosto i guai in cui noi umani riusciamo costantemente a metterci… senza o con AI.
*Le traduzioni (tranne quelle dal/al genovese) sono a cura di ChatGPT, con mia successiva “messa a punto”.
