Microsoft ha presentato un nuovo strumento di machine learning in grado di migliorare le previsioni meteorologiche a medio termine, da due a sei settimane in anticipo. Il software, open source, è stato descritto in un articolo pubblicato sulla rivista Nature e promette di rendere le previsioni potenziate dall'intelligenza artificiale più accessibili ed economiche. L'obiettivo è superare i limiti dei tradizionali modelli fisici e dei nuovi modelli IA, che tipicamente perdono affidabilità oltre le due settimane.
Come funziona la correzione probabilistica dei bias
Invece di creare un modello meteorologico autonomo, Microsoft ha sviluppato un metodo chiamato Probabilistic Bias Correction (PBC), che utilizza l'apprendimento automatico per identificare e correggere i bias sistematici nei modelli esistenti. Questi errori derivano da approssimazioni necessarie a colmare lacune nei dati, come quelle dovute a stazioni meteo sparse o fenomeni atmosferici complessi. Il PBC si è dimostrato efficace: ha migliorato l'accuratezza del modello fisico del Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) per il 98% degli obiettivi di precipitazione e il 92% di quelli di temperatura, e ha raddoppiato l'accuratezza del sistema di previsione IA dello stesso centro.
Un approccio leggero e accessibile
Una delle novità principali è la leggerezza computazionale: il PBC può girare su CPU standard, senza bisogno di supercomputer o potenti GPU. Questo lo rende accessibile anche a agenzie meteorologiche con risorse limitate, spesso escluse dalle ultime innovazioni tecnologiche. Lester Mackey, ricercatore di Microsoft, sottolinea la speranza di una maggiore efficienza e affidabilità delle previsioni, soprattutto per eventi meteorologici estremi. La tecnologia è già stata testata con successo e il codice è disponibile per la comunità scientifica.
La pubblicazione ha coinvolto ricercatori di Microsoft, MIT, ECMWF e altre istituzioni. Matthew Chantry, responsabile strategico per il machine learning dell'ECMWF, ha commentato che si tratta di "un buon esempio di nuove idee sviluppate a beneficio della comunità", pur ricordando che trasformare le idee in processi operativi rimane la sfida più grande. Genevieve Flaspohler, coautrice e ora direttrice esecutiva della no-profit Rhiza Research, sta testando il PBC con il Servizio Meteorologico del Kenya, grazie a un finanziamento della Gates Foundation, per migliorare gli allarmi precoci in vista di una stagione delle piogge potenzialmente estrema a causa del fenomeno El Niño.
