Il panorama delle previsioni meteorologiche sta per subire una rivoluzione grazie a un innovativo sistema di machine learning sviluppato da un team di esperti dell’Università di Cambridge, dell’Alan Turing Institute, di Microsoft Research e dell’European Centre for Medium-Range Weather Forecasts (ECMWF). Questo modello, noto come AARDVARK WEATHER, promette di semplificare notevolmente il processo di previsione, permettendo a un singolo ricercatore di generare scenari meteorologici accurati in pochi secondi utilizzando un normale computer, piuttosto che affidarsi a complessi calcoli effettuati da supercomputer. La ricerca è stata pubblicata sulla rivista NATURE.
Cucite su misura per le necessità locali
Richard Turner, Professore di machine learning presso l’Università di Cambridge e primo autore dello studio, sottolinea come questo approccio possa rivoluzionare la previsione del tempo, rendendola non solo più rapida, ma anche altamente personalizzabile. Ad esempio, AARDVARK WEATHER potrebbe fornire previsioni specifiche per ottimizzare i raccolti in Africa o per determinare le velocità del vento necessarie a migliorare l’efficienza operativa di una compagnia di energie rinnovabili in Europa. I ricercatori affermano che il modello sarà in grado di offrire previsioni accurate fino a otto giorni in anticipo, superando l’attuale limite di cinque giorni.
La novità del modello AARDVARK
Le previsioni meteorologiche tradizionali si basano sulla previsione numerica del tempo (NWP), un metodo che cerca di proiettare lo stato futuro dell’atmosfera partendo da dati iniziali. Questi calcoli, estremamente complessi, richiedono l’uso di supercomputer, il che implica un notevole consumo di energia e risorse. Negli ultimi anni, l’Intelligenza Artificiale ha iniziato a giocare un ruolo sempre più importante, sostituendo alcune fasi dei modelli tradizionali, ma non era mai stata applicata alla fase di inizializzazione. Questa fase è cruciale, poiché implica la raccolta e l’organizzazione dei dati provenienti da satelliti, palloni meteorologici e stazioni di rilevamento, un processo che attualmente consuma circa la metà delle risorse computazionali necessarie.
Un passo avanti nel machine learning
AARDVARK WEATHER segna un’importante innovazione: per la prima volta, il machine learning viene impiegato anche nella fase di inizializzazione. Utilizzando solo il 10% dei dati di input richiesti dai sistemi tradizionali, il modello riesce a produrre risultati comparabili in un tempo di un secondo e con una potenza di calcolo significativamente inferiore, accessibile anche a un computer di uso comune. Questo approccio potrebbe cambiare radicalmente il modo in cui vengono effettuate le previsioni meteo.
Perplessità e sfide future
Secondo i ricercatori, questa scoperta potrebbe aprire la strada a previsioni più dettagliate riguardo a eventi estremi come uragani, incendi e tornado, migliorando anche la previsione della qualità dell’aria, dell’estensione del ghiaccio marino e delle correnti oceaniche. Tuttavia, non mancano le critiche. Alcuni scienziati avvertono che la griglia della superficie terrestre utilizzata dal modello presenta celle di 1,5 gradi per lato, più ampie rispetto ai sistemi tradizionali più avanzati, come ERA5 dell’ECMWF, che operano su griglie di 0,3 gradi. Questo potrebbe comportare il rischio di non riuscire a rilevare fenomeni meteorologici complessi e imprevisti, lasciando aperte interrogativi sulla reale efficacia del modello in situazioni critiche.