L’intelligenza artificiale sostituirà i meteorologi? Workshop a Firenze

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.