Skillful seasonal forecasts with a freely evolving AI weather model
Questo articolo introduce il Functional Graph Transformer (FGT), un modello di IA veloce e probabilistico che ottiene previsioni stagionali abili e in libera evoluzione superando la climatologia nella maggior parte dei casi e eguagliando l'accuratezza del sistema all'avanguardia SEAS5 pur operando con ordini di grandezza di velocità in più.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina di cercare di prevedere il tempo non solo per domani, ma per i prossimi sei mesi. È un po' come cercare di indovinare la trama di un film che non è ancora stato girato, dove gli attori (il vento, la pioggia e le correnti oceaniche) stanno improvvisando selvaggiamente. Gli scienziati sanno da tempo che l'atmosfera è caotica; un piccolo cambiamento oggi può portare a una tempesta completamente diversa la settimana prossima. Per questo motivo, i modelli meteorologici tradizionali sono come supercomputer che eseguono una massiccia e dettagliata simulazione fisica dell'intero pianeta. Sono incredibilmente potenti, ma anche incredibilmente pesanti, richiedendo enormi quantità di energia e tempo per eseguire anche una singola previsione.
Tuttavia, esiste un approccio più recente e veloce che utilizza l'Intelligenza Artificiale (IA). Pensa ai modelli meteorologici basati sull'IA come a uno studente che ha letto ogni rapporto meteorologico degli ultimi 70 anni e ha imparato a individuare gli schemi. Sebbene questi studenti dell'IA siano bravi a prevedere i prossimi giorni, spesso faticano a mantenere coerente la loro storia quando viene chiesto loro di prevedere mesi nel futuro. Tendono a dimenticare le connessioni del "quadro generale" tra l'oceano, la terra e il cielo, oppure si incagliano in un ciclo in cui il tempo continua a ripetersi. La grande domanda nella scienza in questo momento è: possiamo costruire un'IA che non si limiti a indovinare il giorno successivo, ma che possa effettivamente "vivere" all'interno del sistema meteorologico per mesi, evolvendosi naturalmente come il mondo reale, senza bisogno che un essere umano corregga costantemente la sua storia?
Questo è esattamente ciò che i ricercatori dietro questo articolo si sono prefatti di fare. Hanno introdotto un nuovo sistema di IA chiamato Functional Graph Transformer (FGT). A differenza dei vecchi modelli di IA a cui veniva detto quale sarebbe stata la temperatura dell'oceano (come se venisse fornito un copione), l'FGT è "in libera evoluzione". Ciò significa che prevede l'atmosfera, la temperatura della superficie marina, il ghiaccio marino e l'umidità del suolo tutti in una volta, giorno dopo giorno, basandosi interamente sulle proprie previsioni precedenti. È come insegnare a un personaggio di un videogioco come giocare senza usare trucchi, lasciandogli capire da solo come l'oceano e l'atmosfera comunicano tra loro.
I risultati sono piuttosto promettenti. Il team ha testato il loro modello facendolo procedere in avanti per sei mesi e confrontandolo con il "gold standard" della previsione meteorologica, un sistema massiccio chiamato SEAS5. Hanno scoperto che l'FGT era sorprendentemente bravo. In un incredibile 96% delle diverse variabili misurate (dalla pioggia alla velocità del vento, attraverso i diversi mesi), l'FGT è stato migliore rispetto al semplice indovinare basandosi sulle medie storiche. Ancora più impressionante, confrontato direttamente con il pesante sistema SEAS5, l'FGT è riuscito a mantenere almeno l'80% della capacità nel 77% dei casi. E la parte migliore? Lo ha fatto correndo migliaia di volte più velocemente, impiegando solo circa 19 minuti su un singolo chip di un computer potente per generare una previsione di sei mesi per l'intero globo, mentre il sistema tradizionale richiederebbe giorni di tempo su un supercomputer.
L'articolo ha anche scoperto alcune stranezze interessanti su come l'IA impara. Ad esempio, se costringi l'IA a "rimanere ancorata" alle condizioni iniziali dell'oceano e del suolo (un metodo chiamato "persistenza"), la sua capacità di prevedere la pioggia in realtà peggiora. Ma quando l'IA è lasciata libera di far evolvere naturalmente queste condizioni superficiali, le previsioni della pioggia migliorano notevolmente. Il modello ha anche dimostrato di poter prevedere con una ragionevole precisione il tempo di eventi climatici maggiori come El Niño (un riscaldamento dell'Oceano Pacifico), anche se a volte ne sottostima l'intensità. Sebbene non sia ancora perfetto — fatica ancora un po' a prevedere l'esatta forza di certi schemi oceanici rispetto ai modelli tradizionali — dimostra che un'IA può imparare a raccontare una storia meteorologica coerente di diversi mesi senza bisogno che un essere umano le tenga la mano in ogni passaggio. Ciò suggerisce che in futuro potremmo non aver bisogno di modelli separati e lenti per il meteo a breve termine e per le stagioni a lungo termine; un'unica IA intelligente e veloce potrebbe gestire l'intero arco temporale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.