AIgeist 17 ⛈️ weather edition │Previsioni del tempo più accurate con l'AI?│Chi ci sta lavorando e dove │Dati, dati e ancora dati │ Sondaggio: pioveranno certezze?
Benvenuti in AIgeist, la newsletter settimanale che parla semplicemente di AI.
Ogni mercoledì alle 7. Le altre nostre newsletter: Finambolic (martedì), Xerotonina (giovedì)
Il tema è - Meteo & AI, a che punto siamo
Ogni mattina qualcuno guarda il cielo per decidere come vestirsi, o dove pianificare il weekend, o che rotta seguire con l’aereo. Il meteo è la sesta parola più cercata su Google, nonostante tutti noi si sia circondati da schermi che ci dicono in tempo reale cosa succede. Anche noi ci siamo allora fatti prendere dalla passione e abbiamo cercato di capire se e come l’AI stia cambiando il nostro modo di prevedere e percepire il meteo.
Volutamente non parleremo qui di cambiamento climatico, ci riserviamo di coprire il tema più avanti, per ora stiamo terra-terra e chiediamoci: l’AI ci darà previsioni più o meno accurate del “data crunch” attuale? Dopotutto sono grandissime macchine divora-dati, e il meteo si basa su dati.
Ma non è tutto così ovvio. Seguiteci!
Partiamo dalle basi: come si misurano i fenomeni meteorologici?
Le previsioni meteo sono ancora in qualche modo analogiche: le informazioni essenziali vengono infatti raccolte attraverso palloni-sonda (un numero variabile dai 1.800 e 2.600) che ogni 12 ore vengono lanciati in volo, arrivano a 20.000 piedi, in modo sincrono in circa 900 siti in tutto il mondo per misurare le condizioni atmosferiche ad alta quota, essenziali per comprendere la struttura verticale dell'atmosfera.
Ai dati degli aerostati si aggiungono quelli raccolti dai satelliti meteorologici geostazionari e radar, stazioni a terra, boe oceaniche. Tutti questi strumenti misurano parametri come temperatura, umidità, pressione atmosferica, velocità e direzione del vento che vengono elaborati da calcolatori. I dati raccolti vengono poi inseriti nei modelli di previsione numerica del tempo (NWP) elaborati da supercomputer che simulano l'evoluzione dell'atmosfera nel tempo, producendo previsioni a diverse scadenze. Dopo le osservazioni e gli aggiustamenti, per così dire “manuali” dei meteorologi, vengono diffuse al pubblico le previsioni.
I maggiori centri di calcolo e previsione si trovano a Reading in UK (European Centre for Medium-Range Weather Forecasts -ECMWF), a Boulder, Colorado, (National Center for Atmospheric Research -NCAR) a Exeter UK (Met Office), a College Park, Maryland (National Centers for Environmental Prediction -NCEP gestito con altri dal National Oceanic and Atmospheric Administration (NOAA) a Tokyo, in Giappone, Japan Meteorological Agency (JMA), a Melbourne (Bureau of Meteorology -BoM) e Pechino (China Meteorological Administration -CMA).
E fin qui siamo nel business as usual: utenti civili e professionali accedono ai dati e prendono decisioni, siano esse prendere l’ombrello o far decollare un razzo o un aereo di linea.
Entrano in scena i modelli intelligenti di Google, Huawei e Nvidia
Ma ora c’è l’AI, e qualcuno che se ne occupa. Cominciamo dal vertice della piramide, l’autorità suprema: pochi la conoscono ma si chiama, nome assai poco sexy, ECMWF (European Centre for Medium-Range Weather Forecasts), l’agenzia che riunisce 35 Stati in Europa e fornisce quotidianamente dati meteorologici ai servizi nazionali. Con sedi anche a Bologna e Bonn, è stata tra le prime a sperimentare modelli di machine learning AI per effettuare calcoli con più parametri e in un tempo ridotto.
Sono i progetti Pangu-Weather sviluppato con Huawei, con il FourCast di NVIDIA e con GraphCast di DeepMind, modello AI open source che offre previsioni meteorologiche a 10 giorni utilizzando decenni di dati storici e reti neurali grafiche per prevedere eventi meteorologici estremi come cicloni e ondate di calore.
(per veri nerd, qui ci sono tutti i grafici NDR)
A Reading è stato anche avviato il progetto interno sperimentale AIFS (Artificial Intelligence Forecasting System) per creare un sistema di previsione probabilistica basato sull'apprendimento automatico. I primi risultati sono incoraggianti anche se la strada da fare è ancora lunga, come dimostra il grafico qui sotto:
Poi c’è il Met Office, il mitico servizio meteorologico nazionale del Regno Unito, che da ottobre ha avviato una collaborazione con il Turing Institute per sviluppare modelli di intelligenza artificiale che consentiranno previsioni migliori, il progetto si chiama AI for Numerical Weather Prediction (AI4NWP), altra sigla impossibile.
La NASA, infine, che dopo aver lavorato con IBM per creare un modello AI geospaziale per affrontare le sfide ambientali, ora collabora con l’Oak Ridge National Laboratory (ORNL), NVIDIA e diverse università per dare vita a modelli simili utili per gli studi meteorologici e climatici.
Insomma tutti ci stanno lavorando ma con quali risultati? Prendiamo un caso reale!
AI vs realtà: il caso di studio della tempesta Ciaran
La tempesta Ciaran che ha flagellato l’Europa, Italia compresa nel novembre scorso causando 16 morti e ingenti danni, è stata oggetto di studio da parte di alcuni ricercatori che hanno pubblicato su Nature questo approfondimento.
Gli scienziati hanno confrontato le previsioni a breve e medio raggio di Ciaran elaborate dai quattro modelli di machine learning (FourCastNet, Pangu-Weather, GraphCast e FourCastNet-v2) evidenziando come tutti siano stati efficaci le dinamiche generali del fenomeno. Tuttavia hanno fallito nella previsione di dettagli critici come la velocità e la forza del vento e nei gradienti pressori, elementi fondamentali per le allerte della sicurezza pubblica.
Sebbene promettenti insomma, secondo lo studio i modelli AI non sono ancora superiori ai tradizionali modelli fisici nel fornire previsioni meteorologiche dettagliate e affidabili.
Ma quanto tempo ci vorrà perché lo siano? Secondo Douglas Parker, professore di meteorologia all’Università di Leeds, intervistato dal Telegraph, nonostante la capacità degli algoritmi di modellare la corrispondenza di eventi passati sia diventata estremamente efficace, “questi modelli non sono più abili di quelli che abbiamo attualmente anzi probabilmente un po’ meno abili”. La rivoluzione dell’AI quindi è per ora solo un annuncio e tanto lavoro in più per i ricercatori. Tra qualche anno le previsioni potrebbero essere più accurate, oppure no. Nel frattempo puntiamo gli occhi al cielo, e portiamo l’ombrello.☔
Il gadget: per ora siamo messi così
Se vogliamo anche noi diventare generatori di dati, cominciamo da poco, un semplice gadget per misurare l’intensità del vento dal nostro smartphone. Con meno di 50 euro possiamo passare per veri weather nerd e cominciare a giocare coi dati. Buon vento!