Le previsioni sugli uragani dell’IA stanno scuotendo il mondo della meteorologia
AI hurricane forecasts shaking the world of meteorology
L’uragano Lee non stava disturbando nessuno all’inizio di settembre, che girava lontano al largo del mare tra l’Africa e il Nord America. Un muro di alta pressione si trovava sulla sua traiettoria verso ovest, pronto a deviare la tempesta lontano dalla Florida in un grande arco verso nord-est. Direzione, esattamente? Erano passati 10 giorni dalla possibile data di impatto più precoce, un’eternità nel campo della previsione del tempo, ma i meteorologi dell’European Centre for Medium-Range Weather Forecasts, o ECMWF, stavano osservando attentamente. Le minime incertezze potrebbero fare la differenza tra una giornata piovosa in Scozia o seri problemi per il nord-est degli Stati Uniti.
Di solito, i meteorologi si baserebbero su modelli di fisica atmosferica per prendere questa decisione. Questa volta avevano un altro strumento: una nuova generazione di modelli meteorologici basati sull’intelligenza artificiale sviluppati dal produttore di chip Nvidia, dal gigante tecnologico cinese Huawei e dall’unità di intelligenza artificiale di Google, DeepMind. Per Lee, i modelli delle tre aziende tecnologiche hanno previsto una traiettoria che avrebbe colpito da qualche parte tra Rhode Island e la Nuova Scozia – previsioni che concordavano generalmente con l’outlook ufficiale basato sulla fisica. Terra, da qualche parte. Il diavolo, naturalmente, si trovava nei dettagli.
I meteorologi descrivono l’arrivo dei modelli di intelligenza artificiale con un linguaggio che sembra fuori posto nella loro professione proiettata nel futuro: “Improvviso.” “Inaspettato.” “Sembra che sia venuto fuori dal nulla”, dice Mark DeMaria, un ricercatore atmosferico dell’Università dello Stato del Colorado che ha recentemente lasciato la guida di una divisione del National Hurricane Center degli Stati Uniti. Quando ha iniziato un progetto quest’anno con la National Oceanographic and Atmospheric Administration degli Stati Uniti per convalidare il modello FourCastNet di Nvidia con i dati in tempo reale delle tempeste, era “scettico” riguardo ai nuovi modelli, dice. “Pensavo che non ci fosse alcuna possibilità che potesse funzionare”.
DeMaria ha poi cambiato idea. Alla fine, l’uragano Lee ha colpito terra ai margini della gamma delle previsioni basate sull’intelligenza artificiale, raggiungendo la Nuova Scozia il 16 settembre. Anche in una stagione di tempeste attive – a poco più della metà, ci sono state 16 tempeste atlantiche nominate – è ancora presto per fare giudizi definitivi. Ma finora le prestazioni dei modelli di intelligenza artificiale sono state paragonabili ai modelli convenzionali, a volte migliori nel tracciamento delle tempeste tropicali. E i modelli di intelligenza artificiale lo fanno velocemente, fornendo previsioni sui laptop in pochi minuti, mentre le previsioni tradizionali richiedono ore di calcolo su supercomputer.
I modelli meteorologici convenzionali sono costituiti da equazioni che descrivono la complessa dinamica dell’atmosfera terrestre. Inserendo osservazioni in tempo reale di fattori come temperatura, vento e umidità, si ottengono previsioni su ciò che accadrà dopo. Nel corso degli anni, sono diventati sempre più accurati man mano che gli scienziati migliorano la loro comprensione della fisica atmosferica e i dati che raccolgono diventano sempre più voluminosi.
- Windows 11 Paint ottiene un enorme potenziamento dell’IA nell...
- Perché quella conveniente offerta di ‘archiviazione cloud a v...
- Miglior servizio di hosting per server Minecraft del 2023
Fondamentalmente, i meteorologi stanno cercando di domare la fisica del caos. Negli anni ’60, il meteorologo e matematico Edward Lorenz ha gettato le basi della teoria del caos notando che piccole incertezze nei dati meteorologici potevano portare a previsioni molto diverse – come il proverbiale battito d’ali di una farfalla che provoca un tornado. Ha stimato che lo stato dell’atmosfera può essere predetto al massimo per due settimane. Chiunque abbia osservato l’avvicinarsi di un uragano lontano o studiato la previsione settimanale di un matrimonio all’aperto sa che le previsioni sono ancora molto lontane da quel limite teorico.
Alcuni sperano che l’intelligenza artificiale possa alla fine avvicinare le previsioni a quel limite. I nuovi modelli meteorologici non contengono alcuna fisica incorporata. Lavorano in modo simile alla tecnologia di generazione di testo alla base di ChatGPT. In quel caso, gli algoritmi di apprendimento automatico non vengono istruiti sulle regole di grammatica o sintassi, ma diventano in grado di imitarle dopo aver assimilato abbastanza dati per apprendere i modelli di utilizzo. Allo stesso modo, i nuovi modelli di previsione del tempo apprendono i modelli dai decenni di dati atmosferici fisici raccolti in un set di dati dell’ECMWF chiamato ERA5.
Questo non sembrava garantito che funzionasse, dice Matthew Chantry, coordinatore di apprendimento automatico presso l’ECWMF, che sta valutando le prestazioni durante questa stagione delle tempeste. Gli algoritmi alla base di ChatGPT sono stati addestrati con trilioni di parole, in gran parte raccolte da internet, ma non c’è un campione così completo per l’atmosfera terrestre. Gli uragani in particolare costituiscono una piccola frazione dei dati di addestramento disponibili. Il fatto che le previsioni delle traiettorie delle tempeste per Lee e altre siano state così buone significa che gli algoritmi hanno colto alcuni concetti fondamentali della fisica atmosferica.
Questo processo ha svantaggi. Poiché gli algoritmi di apprendimento automatico si attaccano ai modelli più comuni, tendono a trascurare l’intensità di eventi eccezionali come ondate di calore estreme o tempeste tropicali, afferma Chantry. E ci sono lacune in ciò che questi modelli possono prevedere. Ad esempio, non sono progettati per stimare le precipitazioni, che si svolgono a una risoluzione più fine rispetto ai dati meteorologici globali utilizzati per addestrarli.
Shakir Mohamed, direttore della ricerca presso DeepMind, afferma che la pioggia e gli eventi estremi – gli eventi meteorologici che interessano probabilmente di più le persone – rappresentano i “casi più complessi” per i modelli meteorologici basati sull’intelligenza artificiale. Ci sono altri metodi per prevedere le precipitazioni, tra cui un approccio basato sul radar localizzato sviluppato da DeepMind noto come NowCasting, ma integrare i due è una sfida. Dati più dettagliati, previsti nella prossima versione del set di dati ECMWF utilizzato per addestrare i modelli di previsione, potrebbero aiutare i modelli di intelligenza artificiale a iniziare a prevedere la pioggia. I ricercatori stanno anche esplorando come modificare i modelli per essere più propensi a prevedere eventi insoliti.
Un confronto in cui i modelli di intelligenza artificiale (AI) vincono a mani basse è l’efficienza. I meteorologi e i funzionari della gestione delle catastrofi vogliono sempre di più ciò che è noto come previsioni probabilistiche di eventi come gli uragani: una panoramica di una serie di scenari possibili e di quanto sia probabile che si verifichino. Quindi i previsionisti producono modelli ensemble che tracciano diversi risultati. Nel caso dei sistemi tropicali, sono noti come modelli spaghetti, perché mostrano una serie di possibili traiettorie di tempesta. Ma calcolare ogni singolo “noodle” può richiedere ore.
I modelli di intelligenza artificiale, al contrario, possono produrre più proiezioni in pochi minuti. “Se hai un modello già addestrato, il nostro modello FourCastNet viene eseguito in 40 secondi su una vecchia e scadente scheda grafica”, dice DeMaria. “Quindi potresti fare un intero grande ensemble che non sarebbe fattibile con i modelli basati sulla fisica”.
Purtroppo, le vere previsioni ensemble mostrano due forme di incertezza: sia nelle osservazioni meteorologiche iniziali che nel modello stesso. I sistemi di intelligenza artificiale non possono fare quest’ultimo. Questa debolezza deriva dal problema della “scatola nera” comune a molti sistemi di apprendimento automatico. Quando si cerca di prevedere il tempo, è cruciale sapere quanto dubitare del proprio modello. Lingxi Xie, un ricercatore senior di intelligenza artificiale presso Huawei, afferma che l’aggiunta di spiegazioni alle previsioni di intelligenza artificiale è la richiesta numero uno dei meteorologi. “Non possiamo fornire una risposta soddisfacente”, dice.
Nonostante queste limitazioni, Xie e altri sono fiduciosi che i modelli di intelligenza artificiale possano rendere previsioni accurate più ampiamente disponibili. Ma la prospettiva di mettere la meteorologia basata sull’IA nelle mani di chiunque è ancora lontana, afferma. Per fare previsioni di qualsiasi tipo sono necessarie buone osservazioni meteorologiche – dai satelliti, dalle boe, dagli aerei, dai sensori – filtrate attraverso enti come NOAA e l’ECMWF, che elaborano i dati in insiemi di dati leggibili dalle macchine. I ricercatori di intelligenza artificiale, le startup e le nazioni con una capacità limitata di raccolta dati sono desiderosi di vedere cosa possono fare con questi dati grezzi, ma ci sono molte sensibilità in gioco, tra cui la proprietà intellettuale e la sicurezza nazionale.
Si prevede che i grandi centri di previsione continueranno a testare i modelli prima che le etichette “sperimentali” vengano rimosse. I meteorologi sono per natura conservatori, afferma DeMaria, dati i rischi per le vite e le proprietà, e i modelli basati sulla fisica non stanno per scomparire. Ma pensa che i miglioramenti significhino che potrebbero passare solo una o due stagioni degli uragani prima che l’IA giochi un ruolo ufficiale nelle previsioni. “Sicuramente vedono il potenziale”, dice.
