Google DeepMind ha rivelato il 17 novembre il suo nuovo modello meteorologico AI, WeatherNext 2, segnando un passo avanti significativo nelle previsioni globali.
Il sistema utilizza un nuovo metodo chiamato Functional Generative Network (FGN) per creare previsioni otto volte più velocemente e con maggiori dettagli rispetto al suo predecessore. Questa innovazione migliora le previsioni per eventi complessi come gli uragani generando centinaia di possibili scenari in pochi minuti.
Google fornisce ora l’accesso ai dati del modello attraverso le sue piattaforme cloud. Questa mossa mira ad accelerare la ricerca e migliorare la sicurezza pubblica man mano che l’intelligenza artificiale diventa sempre più centrale nelle scienze meteorologiche, anche se le fonti di dati pubblici si trovano ad affrontare l’incertezza.
Una nuova architettura per previsioni più rapide e accurate
Al centro di WeatherNext 2 è una nuova architettura dettagliata in ricerca recente. A differenza del suo predecessore GenCast, che utilizzava un approccio basato sulla diffusione, WeatherNext 2 è costruito su una cosiddetta rete generativa funzionale.
Questo metodo FGN inietta un”rumore”accuratamente strutturato direttamente nei parametri del modello. Consente al sistema di generare un ampio insieme di scenari meteorologici fisicamente realistici e coerenti da un unico punto di partenza.
Ogni previsione richiede meno di un minuto su un singolo TPU, un’attività che richiederebbe ore su un supercomputer tradizionale.
Questa efficienza non va a scapito della precisione. Secondo le valutazioni di Google, WeatherNext 2 supera il precedente modello all’avanguardia, GenCast, nel 99,9% di tutte le variabili e i tempi di previsione. Il nuovo modello dimostra un miglioramento medio del 6,5% nell’accuratezza misurata dal punteggio di probabilità classificato continuo (CRPS), una metrica chiave per le previsioni probabilistiche.
Offre inoltre una risoluzione temporale più elevata, con previsioni disponibili a intervalli di 6 ore e capacità sperimentali per intervalli temporali di 1 ora, fornendo dati più granulari per i decisori, come dettagliato nel documentazione ufficiale del modello.
L’approccio FGN è particolarmente efficace nel modellare sia i singoli elementi meteorologici (“marginali”) che le loro complesse interazioni (“giunti”). Eseguendo l’addestramento solo su singoli punti dati come la temperatura o la velocità del vento, il modello apprende la fisica sottostante per prevedere sistemi su larga scala come fiumi atmosferici e cicloni.
Tuttavia, Google sottolinea che il modello presenta alcune limitazioni, incluso il potenziale di piccoli artefatti visivi”a nido d’ape”nelle previsioni per determinate variabili, come delineato nel suo caso d’uso e limitazioni panoramica.
[contenuto incorporato]
Dal laboratorio di ricerca alle piattaforme pubbliche e alle agenzie partner
Sulla base delle scoperte precedenti, Google ha svelato una strategia chiara per spostare la sua intelligenza artificiale meteorologica dalla ricerca all’applicazione nel mondo reale. I dati delle previsioni di WeatherNext 2 sono ora accessibili a ricercatori e sviluppatori tramite le piattaforme Earth Engine e BigQuery di Google.
Inoltre, un nuovo programma di accesso anticipato su Vertex AI di Google Cloud consente alle organizzazioni di generare le proprie previsioni personalizzate utilizzando il modello.
Questa iniziativa continua una tendenza più ampia di crescente coinvolgimento di Big Tech nella meteorologia. Aziende come Microsoft, Nvidia e IBM hanno tutte sviluppato i propri sistemi di previsione avanzati, come Aardvark Weather di Microsoft e il modello Prithvi WxC della NASA/IBM.
Come ha osservato Kirstine Dale, Chief AI Officer presso il Met Office, a proposito della tendenza generale,”Vediamo il potenziale per un reale cambiamento radicale… nel modo in cui facciamo previsioni, che è in un certo senso simile a quando abbiamo iniziato a utilizzare i computer.”
La strategia di Google include anche la collaborazione diretta con i principali partner. agenzie governative. Nell’ambito di una partnership storica, il National Hurricane Center (NHC) degli Stati Uniti ha integrato un modello sperimentale di intelligenza artificiale di Google nel suo flusso di lavoro operativo per la stagione degli uragani del 2025.
Questa collaborazione, la prima per l’agenzia federale, metterà a disposizione di esperti meteorologi umani le linee guida generate dall’intelligenza artificiale, unendo la velocità delle macchine con l’esperienza umana per migliorare gli avvisi in caso di tempeste potenzialmente letali.
La crisi imminente: la dipendenza dell’intelligenza artificiale da Dati pubblici in pericolo
Mentre i progressi tecnologici stanno accelerando, l’intero campo si trova ad affrontare una minaccia fondamentale. I modelli meteorologici AI come WeatherNext 2 sono addestrati su decenni di dati storici, in gran parte provenienti da archivi pubblici gestiti da agenzie come la National Oceanic and Atmospheric Administration (NOAA) degli Stati Uniti.
Queste fonti di dati essenziali sono ora a rischio a causa dei tagli di budget proposti e della grave carenza di personale.
La situazione è diventata così critica che cinque ex direttori del National Weather Service (NWS) della NOAA hanno emesso una lettera aperta in cui avvertivano delle potenziali conseguenze.
“Il nostro peggior incubo è che gli uffici delle previsioni del tempo saranno così a corto di personale che ci saranno inutili perdite di vite umane”, hanno scritto. Dall’inizio del 2025, la NWS ha perso oltre 550 dipendenti, lasciando alcuni uffici di previsione a corto di personale proprio all’inizio della stagione degli uragani.
Un ex capo della NHC ha descritto gli sforzi per riempire i posti vacanti come un semplice”rimescolare le sedie a sdraio sul Titanic”, aggiungendo:”Si riempi un buco da qualche parte e ne si crea uno da qualche altra parte.”
Questa crisi di dati non è passata inosservata alla comunità scientifica. Il professore dell’Università di Cambridge Richard Turner ha espresso la sua preoccupazione, affermando:”La comunità non si è ancora, sorprendentemente, a mio avviso, svegliata di fronte a questo pericolo… Penso che i tagli siano molto pericolosi in un momento in cui il clima sta davvero cambiando.”
Sebbene le recenti azioni del Congresso abbiano respinto i tagli di bilancio più severi, fornendo un certo sollievo, la stabilità a lungo termine di questi archivi di dati pubblici rimane incerta.
Il paradosso è netto: mentre l’innovazione privata nell’intelligenza artificiale meteorologica raggiunge nuovi livelli altezze, il suo successo dipende da un’infrastruttura di dati pubblici che sta lottando per la sua sopravvivenza.
La nuova partnership tra Google e NHC evidenzia l’immenso potenziale dell’IA per salvare vite umane, ma mostra anche l’urgente necessità di proteggere i dati aperti che rendono possibili tali progressi, un tema centrale nella rivoluzione meteorologica dell’IA in corso.
