Google: il modello machine learning NeuralGCM rivoluzionerà le previsioni meteo

Google Research ha annunciato lo sviluppo di un nuovo e interessante modello di machine learning chiamato NeuralGCM.

Questo modello climatico dovrebbe permettere di simulare l’atmosfera terrestre, andando a riprodurre una sorta di atmosfera “in provetta”. Su di essa sarà possibile effettuare simulazioni, con il risultato concreto di ottenere previsioni da 2 a 15 giorni in modo molto più accurato. Lo stesso NeuralGCM, inoltre, dovrebbe risultare utile per riprodurre le temperature degli ultimi 40 anni.

Il modello è nato in collaborazione con il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) e riesce a combinare le più moderne tecnologie di machine learning con le tecniche di previsione meteo più tradizionali. Quest’ultimi lavorano dividendo la terra in grandi cubi e calcolando i fenomeni meteorologici all’interno di essi secondo le leggi fisiche.

NeuralGCM, rispetto a queste tecniche, dovrebbe però essere ancora più accurato, andando a valutare ogni singolo fenomeno meteo, anche il più piccolo e finora ignorato durante la preparazione delle previsioni.

NeuralGCM è 3.500 volte più veloce dei modelli attualmente in uso

Per ottenere questo risultato, Google Research ha lavorato su un algoritmo creato da zero, implementato in un framework di machine learning chiamato JAX.

Secondo quanto affermato da Google, questa nuova soluzione è destinata a rivoluzionare le previsioni meteo, tanto che secondo il già citato ECMWF NeuralGCM è in grado di risultare più accurato dei modelli convenzionali già esistenti del 95%.

Non solo: anche in termini computazionali, il nuovo modello di Google appare più che innovativo. Se confrontato con X-SHiELD, modello già utilizzato in questo ambito, NeuralGCM è 3.500 volte più veloce e 100.000 meno costoso sotto il punto di vista computazionale.

Stando agli esperti di Google Search, l’introduzione del nuovo modello può essere calcolato come un salto in avanti tecnologico di 25 anni rispetto a come vengono effettuate le previsioni meteo attualmente.