Innovazione

Huawei Cloud lancia un modello di previsione meteorologica basato sull’AI

Al debutto Pangu Weather, la cui elevata affidabilità è riconosciuta anche da Nature. Rispetto ai modelli tradizionali, il nuovo strumento si contraddistingue grazie a una migliore performance in termini di velocità e accuratezza

Pubblicato il 10 Lug 2023

eventi meteo estremi

Huawei Cloud presenta Pangu Weather, il rivoluzionario modello di previsione meteorologica basato sull’AI in grado di assicurare una maggiore accuratezza rispetto ai tradizionali modelli numerici. Consente infatti di migliorare di 10.000 volte la velocità di previsione, riducendo così il tempo complessivo di elaborazione a pochi secondi. 

L’importanza rivoluzionaria di Pangu Weather è testimoniata anche da ‘Nature’ che, nell’articolo dal titolo Accurate medium-range global weather forecasting with 3D neural networks(SCARICA QUI IL TESTO ORIGINALE),  spiega come sviluppare un sistema di previsioni meteorologiche globali basato sull’AI che sia accurato, basato sul deep learning e che utilizzi un database di oltre 43 anni di informazioni meteo, fornendo così un endorsement imparziale di Pangu Weather.

AI e accuratezza delle previsioni meteo

Pangu Weather sfida la tesi, già sostenuta in passato, per cui l’accuratezza delle previsioni meteorologiche basate sull’AI fosse inferiore a quella dei modelli numerici tradizionali. Tuttavia, questo innovatico modello, sviluppato dal team di Huawei Cloud, è il primo in assoluto basato sull’IA con il maggiore grado di accuratezza rispetto a tutti gli altri metodi di previsione numerica tradizionale.  

Grazie infatti al rapido sviluppo della potenza di calcolo degli ultimi 30 anni, l’accuratezza delle previsioni meteorologiche basate su modelli numerici è migliorata notevolmente, inviando degli alert in caso di rischio di catastrofe naturale e fornendo preziose previsioni sui cambiamenti climatici. Tuttavia, a causa delle lunghe tempistiche di elaborazione associate a questi metodi tradizionali, la ricerca si è successivamente concentrata su come poter impiegare metodi di apprendimento artificiale, come il deep learning, per accelerare la velocità di previsione. Ciò nonostante, la precisione delle previsioni basate sull’Intelligenza Artificiale nel medio e lungo termine è rimasta inferiore a quella dei modelli numerici tradizionali. 

Fino a poco tempo fa, infatti, persino l’IA non riusciva a prevedere fenomeni meteorologici estremi e insoliti, come ad esempio i tifoni. Eppure, ogni anno continuano a verificarsi circa 80 tifoni in tutto il mondo. Ad esempio, nel 2022, in Cina, la perdita economica diretta causata da questo ciclone tropicale è stata pari a 5,42 miliardi di yuan, secondo quanto emerge dai dati del Ministero per la Gestione delle Emergenze del Paese. Risulta quindi evidente l’importanza di allertare per tempo la popolazione, così da potersi preparare adeguatamente di fronte al verificarsi di questi eventi estremi.

Grazie alla loro elevata velocità, i modelli di previsione meteorologica basati sull’IA hanno quindi catturato l’attenzione della comunità scientifica e non, anche alla luce di alcuni limiti in termini di accuratezza già emersi chiaramente. In primo luogo, i modelli abilitati dall’IA attualmente in uso si basano su reti neurali 2D, che non sono in grado di elaborare con precisione i dati meteorologici 3D disomogenei. In secondo luogo, le previsioni meteo sul medio termine sono soggette a errori cumulativi quando il modello viene richiamato troppe volte di seguito.

La soluzione di Pangu Weather

Durante i test scientifici, il modello Pangu Weather ha dimostrato una maggiore precisione rispetto ai metodi numerici tradizionali nel periodo di interesse che va da 1 ora a 7 giorni, aumentando la velocità di previsione di 10.000 volte. Il modello permette infatti di prevedere, in pochi secondi e con un’elevata accuratezza, le caratteristiche meteorologiche più difficili da rilevare, tra cui umidità, velocità del vento, temperatura e pressione al livello del mare.

Nel dettaglio, il modello utilizza un’architettura 3D Earth-Specific Transformer (3DEST) per elaborare dati meteorologici 3D complessi e disomogenei. Utilizzando una strategia di aggregazione temporale gerarchica, il modello è stato strutturato su diversi intervalli temporali di previsione, pari a 1 ora, 3 ore, 6 ore e 24 ore. Ciò ha permesso di minimizzare la quantità di iterazioni per prevedere una condizione meteorologica in uno specifico momento e ridurre così le previsioni errate.

Per accrescere la sensibilità del modello su intervalli di tempo specifici, i ricercatori hanno creato 100 epoche (cicli) utilizzando campioni orari di dati meteorologici dal 1979 al 2021. Ciò ha portato alla creazione di diversi sotto-modelli, con ciascuno di questi che ha richiesto 16 giorni di training su 192 schede grafiche V100. Così facendo, il modello Pangu Weather è stato in grado di completare previsioni meteo globali di 24 ore in soli 1,4 secondi, su una scheda grafica V100, e con un miglioramento della velocità di 10.000 volte rispetto alle previsioni numeriche tradizionali.

Verso uno scenario di previsioni di nuova generazione

“Le previsioni meteorologiche sono uno degli scenari più importanti nel campo dell’informatica perché sono un sistema estremamente complesso, per cui è sempre stato difficile coprire tutti gli aspetti della conoscenza matematica e fisica su questo tema – afferma Tian Qi, Chief Scientist of Huawei Cloud AI Field, Ieee Fellow, e Academician of the International Eurasian Academy of Sciences -. Siamo quindi lieti che la nostra attività di ricerca sia stata riconosciuta dalla rivista ‘Nature’. I modelli di IA possono infatti estrapolare le leggi statistiche dell’evoluzione atmosferica da una mole di dati enorme. Attualmente, Pangu Weather completa il lavoro del sistema di previsione e la sua capacità principale è quella di prevedere l’evoluzione degli stati atmosferici. Il nostro obiettivo finale è quello di implementare un quadro di previsione meteorologica di nuova generazione, utilizzando le tecnologie di IA per rafforzare i sistemi di previsione esistenti”.

Rapidità e semplicità di utilizzo

Con riferimento all’importanza e alla qualità della ricerca condotta da Huawei Cloud, i reviewer accademici di ‘Nature’ hanno spiegato che il modello di previsione metereologica di Pangu Weather non solo è di facile download ed avvio, ma è anche eseguibile molto rapidamente, persino tramite un semplice desktop per PC. “Ciò significa che chiunque faccia parte della comunità meteorologica può ora eseguire e testare questi modelli a proprio piacimento. Si tratta quindi di una grande opportunità per esplorare la capacità del modello di prevedere fenomeni specifici, contribuendo così al progresso in questo ambito”. Un altro reviewer scientifico ha osservato che “questi risultati rappresentano un avanzamento importante rispetto a quelli precedenti. Questo lavoro farà sì che in futuro la comunità rivaluti positivamente i modelli di previsione meteorologici più all’avanguardia”.

Un esempio significativo dell’ottima performance di Pangu Weather risale a maggio 2023, quando il tifone Mawar ha catturato l’attenzione del mondo scientifico per essere stato indicato come il più forte ciclone tropicale dell’anno mai registrato fino a quel momento. Secondo quanto dichiarato dalla China Meteorological Administration, Pangu Weather ha previsto con precisione la traiettoria del tifone Mawar, 5 giorni prima che cambiasse rotta nelle acque orientali delle isole di Taiwan.
Infine, con l’obiettivo di garantire un progresso continuo dei principali modelli di previsione meteorologica basati sull’IA, si rendono altrettanto necessari anche ambienti cloud stabili, suite di lavoro e O&M corrispondenti.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

EU Stories - La coesione innova l'Italia

Tutti
Social
Iniziative
Video
Analisi
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia

Articoli correlati

Articolo 1 di 4