Author: Wired
I dati vengono elaborati nel supercomputer di Bologna, dove Ecmwf ha spostato alcuni impianti dalla sede di Reading, nel Regno Unito, dopo la Brexit. L’ente fa sapere che “non c’è trasferimento di dati tra il centro e Huawei”. Per allenare Pangu, il colosso cinese utilizza Era5, un dataset che rianalizza i dati meteo raccolti con cadenza oraria dal 1940 a oggi (e disponibile per tutti). Chantry spiega che, messi a confronto, il modello fisico e quello basato sugli algoritmi hanno dimostrato “capacità simili” e “risultati comparabili”. Tuttavia, quando si analizza il livello di energia di un scenario meteo, se su grandi scale i due sistemi si comportano allo stesso modo, su scale ridotte e più locali l’intelligenza artificiale è, per ora, meno accurata. E quindi meno precisa nell’identificare eventi estremi come cicloni tropicali. Almeno per ora.
Chantry spiega che l’obiettivo è trovare “il giusto bilanciamento tra i modelli fisici e quelli di machine learning. Vogliamo fornire un nostro contributo alla ricerca scientifica e vogliamo feedback dagli utenti”. Il machine learning consente di fare molti più calcoli in un tempo più ridotto. Pangu, dice Hauwei, viaggia mille volte più veloce dei sistemi tradizionali del centro europeo. Tradotto: si risparmia in termini computazionali. Anche quando tra le mani ha un supercomputer come quello di Bologna. Per Chantry si può tradurre in un investimento nell’assimilazione dei dati, un processo ancora costoso, o nelle “previsioni probabilistiche”. Ossia quelle che, data la stessa base di parametri di partenza, ipotizzano diversi “scenari futuri, tutti plausibili”. “È molto importante avere questa incertezza – sottolinea lo studioso –, per esempio per avere una migliore visioni su possibili eventi pericolosi”.
Il business del meteo
L’utilizzo dell’intelligenza artificiale nelle previsioni meteo non è una novità. Ibm, che nel 2016 ha acquistato per due miliardi di dollari The Weather Company, una delle più importanti società del settore, e l’ha piazzata sotto l’ombrello della sua Ai, Watson, ricorda che si fa ricorso agli algoritmi dal 1970. Tuttavia, ricordano dall’Ecmwf (che pure lavora sul tema dal 2018), grandi passi in avanti sono stati compiuti tra febbraio 2022 e aprile 2023, con una serie di ricerca sull’accuratezza delle previsioni meteo da parte di sistemi di machine learning da parte di Huawei, Nvidia e Google Deepmind. D’altronde, quello delle previsioni meteorologiche è un settore che per Expert market research, un centro studi di mercato, nel 2027 arriverà a valere 3,85 miliardi di dollari (con un tasso di crescita annua dal 2022 del 5,6%).
I maggiori operatori in corsa si dividono tra Stati Uniti e Cina. L’Unione europea sta rispondendo con il suo “gemello digitale” della Terra, Destination Earth, un progetto che vuole portare a termine entro il 2030 per creare una replica del nostro pianeta per simulare gli effetti dell’innalzamento delle temperature o di altri fenomeni climatici. Al momento Bruxelles ha piazzato una fiche da 150 milioni di euro sul progetto fino al 2024. A fine giugno ha assegnato i primi appalti per la piattaforma dei servizi. A guidare la cordata è la multinazionale inglese Serco, specializzata in tecnologie informatiche per la difesa e i governi. Ne fanno parte, tra le altre, anche l’italiana Exprivia, il campione francese dell’industria militare Thales Alenia, mentre il cloud sarà gestito dalla multinazione d’Oltralpe Ovhcloud.