L’intelligenza artificiale di Google raggiunge un grande risultato

Esiste un’area in cui l’intelligenza artificiale non sarebbe utile? Con il progredire della ricerca, sembra che non sia così. Ciò ha perfettamente senso poiché l’essenza dell’intelligenza artificiale è risolvere i problemi più velocemente degli esseri umani. Quando si tratta di previsioni meteorologiche, l’intelligenza artificiale ha dimostrato la sua superiorità.

Notizia : Il modello di DeepMind, una filiale di Google, ha superato i metodi di previsione tradizionali fino a 10 giorni in anticipo.

• Questo modello, chiamato GraphCast AI, “rappresenta un punto di svolta nelle previsioni meteorologiche”, assicurano alla rivista i ricercatori di DeepMind. Scienze.
• Questo sembra essere vero. In ogni caso questo è quanto indica uno studio approfondito.

i dettagli : GraphCast AI è stato in grado di fornire previsioni meteorologiche più accurate per i prossimi 3-10 giorni rispetto al leader mondiale, gestito dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF).

• Ha superato le aspettative nel 90% delle 1.380 misurazioni studiate, tra cui temperatura, pressione, velocità e direzione del vento.
• L’intelligenza artificiale sarà anche più efficace nel prevedere eventi estremi, come i cicloni tropicali o le temperature estreme.

Operazioni diverse

In che modo il modello DeepMind ha sovraperformato i risultati dell’ECMWF? Semplicemente grazie all’intelligenza artificiale. I due non procedono allo stesso modo nel definire le proprie aspettative, e questa è la differenza.

• Viene utilizzato l’ECMWF Previsioni meteorologiche numeriche Per fare previsioni del tempo. “Sul computer simula realisticamente l’evoluzione dell’atmosfera, più velocemente di quanto avvenga nella realtà”, Lo spiega il Centro nazionale per la ricerca meteorologica.
  • I supercomputer necessari per risolvere equazioni basate sulla conoscenza scientifica della fisica atmosferica impiegano diverse ore per svolgere questo lavoro.
• GraphCast AI si basa sull’analisi dei dati meteorologici raccolti dall’ECMWF negli ultimi 40 anni per preparare le sue previsioni. Può “prevedere centinaia di variabili meteorologiche in un periodo di dieci giorni”.
• Si tratta di un risultato che è riuscito a raggiungere in meno di un minuto, rispetto alle diverse ore necessarie con i metodi tradizionali.
• Lo studio conclude che dovrebbe essere più accurato e più veloce.

Uscire dai vecchi paradigmi e fare spazio all’intelligenza artificiale?

I risultati indicano che i metodi di previsione tradizionali sono sul punto di essere sostituiti. Ma in realtà l’intelligenza artificiale non ha ancora trovato il suo posto in questo settore.

• Gli specialisti non hanno aspettato che DeepMind integrasse in una certa misura l’intelligenza artificiale nelle previsioni meteorologiche.
• Sebbene la tecnologia offra molti vantaggi, inclusa la velocità di implementazione, non è priva di inconvenienti.
• “Il modello GraphCast fornisce informazioni ogni 25 chilometri rispetto alle informazioni ogni chilometro secondo il modello Météo-France attualmente più accurato”, ha sottolineato Laure Renaud, ricercatrice di Météo-France e coordinatrice delle attività di intelligenza artificiale. Radio Francia.
• Inoltre, addestrare l’intelligenza artificiale a produrre previsioni locali accurate fino a 10 giorni comporta ingenti investimenti, il che rappresenta chiaramente un ostacolo alla sua adozione.
  • E se Matteo ChiesaIl coordinatore del machine learning dell’ECMWF ritiene che l’intelligenza artificiale abbia un vantaggio economico. Poiché impiegano solo una frazione del tempo impiegato dai computer per fare previsioni, utilizzano molta meno energia.

In sintesi : L’intelligenza artificiale ha il suo posto nelle previsioni meteorologiche, ma al momento non è prevista la sostituzione dei metodi tradizionali per vari motivi, compresi i costi coinvolti, ma anche perché ha ancora difficoltà a gestire le incertezze. Lo studio ha concluso che l’intelligenza artificiale non dovrebbe essere vista come un’alternativa ai tradizionali metodi di previsione meteorologica, ma piuttosto come un sistema che ha il potenziale per integrare e migliorare i metodi esistenti.