Le previsioni meteorologiche si basano tradizionalmente su modelli fisici complessi, che descrivono il comportamento dell’atmosfera, della terra e degli oceani attraverso centinaia di equazioni.
Questi modelli si basano sulla risoluzione delle leggi della termodinamica, della dinamica dei fluidi e dell’interazione tra radiazione solare e superficie terrestre.
Per ottenere previsioni affidabili, è necessario raccogliere una quantità enorme di dati, come temperatura, umidità, pressione e velocità del vento, e inserirli in supercomputer ad altissima capacità computazionale.
Questo processo però è estremamente dispendioso in termini di tempo ed energia: le simulazioni possono richiedere ore, limitando il numero di aggiornamenti disponibili ogni giorno.
Inoltre, l’alto consumo energetico rappresenta una sfida non trascurabile in un’epoca in cui l’efficienza e la sostenibilità sono diventate priorità globali.
L’IA e la rivoluzione del meteo
L’intelligenza artificiale promette di ribaltare questo paradigma.
I modelli basati su IA apprendono direttamente dai dati storici, individuando schemi e correlazioni senza bisogno di risolvere equazioni fisiche complesse. Questo permette di ottenere previsioni in tempi molto più rapidi e con un consumo energetico drasticamente ridotto.
Inoltre, la capacità di apprendere da eventi meteorologici passati rende l’IA potenzialmente più efficace nell’anticipare fenomeni estremi, anche quelli che si discostano dalle tendenze storiche.
Inoltre, a differenza dei modelli fisici tradizionali, che devono essere aggiornati manualmente con nuovi dati e richiedono simulazioni lunghe e costose, i modelli IA possono essere continuamente addestrati per migliorare la loro accuratezza e adattarsi più rapidamente a nuove condizioni climatiche.
Nvidia punta su CorrDiff: previsioni più rapide e dettagliate
Nvidia ha presentato il modello CorrDiff, un sistema di previsione meteorologica basato sull’intelligenza artificiale generativa.
Secondo l’azienda, questo modello è 500 volte più veloce e fino a 10.000 volte più efficiente dal punto di vista energetico rispetto ai sistemi tradizionali.
“Dimostra che i modelli di IA generativa possiedono una proprietà molto potente: possono super-risolvere simultaneamente più variabili meteorologiche e sintetizzare nuove informazioni a partire da dati ricevuti a risoluzione inferiore”, ha spiegato Mike Pritchard, responsabile della ricerca sulle simulazioni climatiche di Nvidia.
CorrDiff è in grado di prevedere vento, temperatura e precipitazioni a livello locale, utilizzando tecniche di “downscaling” per aumentare la precisione delle simulazioni.
Google risponde con WeatherNext
Google Cloud ha annunciato l’introduzione di due modelli basati sull’IA, sviluppati da DeepMind e ribattezzati WeatherNext.
Questi sistemi, capaci di produrre previsioni fino a 15 giorni in anticipo, vengono commercializzati per le aziende, con particolare attenzione al settore energetico.
“L’industria energetica ha bisogno di strumenti avanzati per prevedere domanda e offerta e ottimizzare l’uso delle risorse di stoccaggio dell’energia”, ha dichiarato Pete Battaglia, direttore della ricerca sulla sostenibilità di Google DeepMind.
Ma il potenziale di WeatherNext non si limita al settore energetico. Google sta promuovendo questi strumenti anche per il settore della logistica, permettendo alle aziende di ottimizzare le rotte di trasporto in base alle condizioni meteorologiche previste.
Inoltre, nel settore del retail, WeatherNext potrebbe aiutare i negozi a gestire meglio le scorte, prevedendo con maggiore precisione la domanda di prodotti stagionali o legati alle condizioni atmosferiche, come abbigliamento invernale o attrezzature per la pioggia.
Google, Microsoft e Nvidia stanno investendo massicciamente nell’IA meteorologica ma Google sembra avere un vantaggio strategico nella commercializzazione delle sue soluzioni.
Se Nvidia dunque si concentra sulla precisione e l’efficienza computazionale, Google sta puntando sull’integrazione diretta con le esigenze del mondo aziendale.
Perché il meteo è più importante che mai
L’accuratezza delle previsioni meteorologiche è diventata una questione di sicurezza globale. Il cambiamento climatico sta infatti rendendo gli eventi estremi sempre più imprevedibili e devastanti.
Un esempio recente è l’uragano Otis, che ha colpito il Messico nel 2023: inizialmente previsto di categoria 2, si è rapidamente intensificato fino a categoria 5, lasciando le autorità impreparate.
In uno scenario simile, modelli meteorologici più rapidi ed efficienti potrebbero fare la differenza tra preparazione e disastro.
Negli Stati Uniti, la questione diventa ancora più urgente alla luce dei recenti tagli voluti dall’amministrazione Trump alla NOAA (National Oceanic and Atmospheric Administration), l’agenzia governativa responsabile delle previsioni meteo.
Molti fornitori privati di dati meteorologici dipendono infatti dalle informazioni della NOAA per alimentare i loro modelli, ma con meno risorse disponibili, le proposte di Google e Nvidia potrebbe assumere un ruolo sempre più centrale nel settore.
