DeepMind crea l'IA di Google che prevede con precisione il meteo

Google ha annunciato di aver sviluppato un nuovo modello per prevedere pioggia di media e alta intensità su aree geografiche di ampiezza limitata con circa 90 minuti di anticipo. L’intelligenza artificiale può infatti prevedere con grande precisione sia gli eventi temporaleschi che il meteo in generale. Lo strumento non è ancora pronto per l’utilizzo su vasta scala, ma i ricercatori sperano di migliorarlo e renderlo compatibile quanto prima per un uso sul campo, trasformandolo magari in un servizio utilizzabile direttamente dal grande pubblico.

Google e le previsioni meteo

Sviluppato da DeepMind, azienda inglese di intelligenza artificiale controllata da Alphabet, il sistema è basato sul machine learning, e dopo approfonditi test si è dimostrato in grado di anticipare, come detto, l’arrivo di pioggia improvvisa fino a un’ora e mezza prima dell’evento interessato. Per svolgere i suoi compiti, lo strumento, chiamato Deep Generative Model of Rain, utilizza i dati provenienti da radar ad alta precisione in grado di tracciare le precipitazioni ogni cinque minuti, su una copertura territoriale di 1 km.

Il modello, sfrutta come accennato prima l’apprendimento automatico, ovverosia il sottoinsieme dell’intelligenza artificiale (AI) che si occupa di creare sistemi che apprendono o migliorano le performance in base ai dati che utilizzano, per migliorare i dati e aumentare ulteriormente il livello di precisione delle previsioni rispetto a quanto si è visto fino a ora. In questo modo può aiutare a prevenire alcuni dei danni e dei pericoli causati da eventi meteo improvvisi come grandini, temporali e bombe d’acqua.

I risultati dei test compiuti da DeepMind sul nuovo modello di intelligenza artificiale di Google sono stati pubblicati sulla rivista scientifica Nature, dove vengono riportate anche le valutazioni sui risultati fatte da oltre cinquanta meteorologi addestrati dal Met Office del Regno Unito. Questi ultimi hanno riportato di aver rilevato un’accuratezza da parte del Deep Generative Model of Rain nell’ordine dell’89% maggiore rispetto agli attuali metodi utilizzati per il nowcasting.