(AGENPARL) – gio 19 settembre 2024 **L’intelligenza artificiale sostituirà i meteorologi? Workshop a
Firenze**
/Scritto da Pamela Pucci, giovedì 19 settembre 2024 alle 14:11/
Oggi a Firenze, presso l’Innovation Center, ricercatori e meteorologi da
tutta Italia si sono incontrati per una giornata di approfondimento
tecnico-scientifico sul tema dell’Intelligenza Artificiale (AI) e di come
essa sia destinata a rivoluzionare il lavoro del meteorologo nei prossimi
anni. Serviranno ancora i previsori meteo o l’AI li sostituirà nel giro di
qualche anno?
Il workshop, a cui hanno partecipato oltre 100 previsori e ricercatori da
tutta Italia, è stato organizzato dalla sezione professionisti di AISAM –
Associazione Italiana di Scienze dell’Atmosfera e Meteorologia – dal
Consorzio LaMMA e dall’Agenzia ItaliaMeteo.
“Il tema affrontato nel workshop che si tiene oggi a Firenze è quanto
mai attuale – commenta l’assessora regionale all’ambiente Monia Monni- ed
il titolo ‘L’intelligenza artificiale sostituirà i meteorologi?’ è
davvero calzante perché sintetizza l’ambivalenza delle recenti innovazioni
tecnologiche, che da una parte aprono grandi opportunità di
perfezionamento degli attuali sistemi di previsione e dei modelli
matematici in uso, utili anche in un’ottica di Protezione civile;
dall’altra, però, è innegabile che questa rapida esplosione dell’AI
generi alcune irrequietezze e timori, proprio per la sua grande portata
innovativa. Approfondire il tema con esperti di livello nazionale ed
internazionale, meteorologi, matematici, ricercatori, è sicuramente un
modo intelligente per conoscere, capire e prepararsi alle novità future ed
imparare ad applicarle al meglio”.
Gli ultimi anni hanno visto uno sviluppo esplosivo delle tecniche di
machine learning (apprendimento automatico) applicate all’analisi e alla
previsione dei fenomeni atmosferici. Negli ultimi due/tre anni è avvenuto
un vero salto quantico nel campo dell’intelligenza artificiale applicata
alle previsioni del tempo con l’uscita di modelli globali basati su
algoritmi di intelligenza artificiale, alternativi a quelli
fisico-numerici, ovvero quelli impiegati fin dagli anni ‘50 e tutt’oggi
utilizzati. Nei modelli tradizionali, i computer vengono implementati per
risolvere le equazioni fondamentali della fisica che regolano la dinamica
dei flussi atmosferici simulando gli scambi su tutto il globo. Con
l’intelligenza artificiale, invece, i computer vengono impiegati per
analizzare enormi quantità di dati meteo del passato, facendo una
previsione prevalentemente basata sui dati, appunto data-driven. Pochi tra
gli addetti ai lavori credevano realistico questo passaggio fino a poco
tempo fa. Il grande salto è partito su impulso di alcune grandi aziende
tecnologiche come NVIDIA, Huawei e Google DeepMind, che tra il 2022 e il
2023 hanno rilasciato modelli globali basati su AI in grado di competere
con il modello fisico IFS del Centro Europeo per le Previsioni a
Medio-Termine (ECMWF), uno dei riferimenti per la meteorologia mondiale.
Come ha recentemente dimostrato uno studio dell’Università di Reading, in
Inghilterra, i modelli data-driven globali, ovvero Graph Cast di Google
DeepMind, Pangu Weather di Huawei, e due modelli di NVIDIA, sono stati
capaci di riprodurre accuratamente la posizione e le caratteristiche
sinottiche della tempesta Ciaran del novembre 2023. Nel giugno scorso anche
gli scienziati del Centro Europeo hanno rilasciato un loro modello basato
sull’intelligenza artificiale (AI-IFS), le cui uscite sono già
consultabili sul web.
La marcia in più di questo approccio è la velocità di calcolo. Inoltre,
dato che l’approccio alla previsione meteorologica sarà sempre più
probabilistico, l’economicità computazionale dell’AI apre grandi
prospettive nelle applicazioni con i sistemi di ensemble (dove si fanno
più simulazioni modellistiche contemporaneamente). Ad esempio, Google
DeepMind dichiara di riuscire a produrre una previsione a scala globale a
circa 30 km di risoluzione e per i successivi 10 giorni in meno di un
minuto su un tipo di architettura di calcolo esplicitamente pensata per
eseguire algoritmi di intelligenza artificiale. Se i calcoli sono molto
più “veloci” sarà possibile far girare molte più simulazioni, con
beneficio ad esempio nell’accuratezza della previsione degli eventi
estremi.