E' stato pubblicato ieri sulla rivista Science uno studio molto interessante che riguarda un nuovo approccio alle previsioni meteorologiche
L'artefice del nuovo progetto non è un pinco pallo qualunque ma Google che ha realizzato un sistema previsionale basato sull'IA in grado di stravolgere le attuali strategie alla basse delle previsioni meteorologiche

Sfruttando la potenza del deep learning infatti il nuovo sistema permette di generare previsioni sulla base dei dati storici acquisiti (relativi agli ultimi 30 anni) e, senza l'utilizzo di complessi algoritmi come nel caso degli attuali modelli deterministici, riesce a restituire previsioni che si sono rilevate del 10% più affidabili rispetto a quelle prodotte da ECM per il 90% degli scenari proposti

Il tutto si scontra con alcuni limiti attuali del modello quali una minore risoluzione spaziale (la griglia minima è 28x28km all'equatore) ed appena 37 livelli verticali al confronto con i 137 di ECM

Il funzionamento non è esattamente semplice e vi invito a leggere i link che vi lascio prima di storcere il naso verso questo nuovo approccio  
Vi  metto sia il link sia all'articolo de Il Messaggero sia allo studio originale pubblicato su Science che potete facilmente tradurre in Italiano con l'apposita funzione di Chrome


Articolo Il Messaggero

Studio pubblicato su Science

Molto interessante. Dopo approfindisco. È previsto anche lo sviluppo di un Global Model?

menca92 ha scritto: [Visualizza Messaggio]

Molto interessante. Dopo approfindisco. È previsto anche lo sviluppo di un Global Model?

E' clamorosamente interessante, specie per le "esigue" risorse di calcolo che richiede un sistema simile. Condizione comune poi ad ogni sistema di IA che si rispetti

Riguardo lo sviluppo del GM credo che ci troviamo ancora in una fase acerba ma visto lo sviluppo impressionante che sta avendo l'intelligenza artificiale di mese in mese ormai non mi stupirei più di nulla

Non so se avete avuto modo di provare l'espansione generativa di Photoshop: era da quando ho provato a farmi vendere un tappeto persiano dalla primissima versione di ChatGP che non rimanevo così a bocca aperta  

Nel sito di ECMWF c'è già qualcosa di questi modelli statistici

https://charts.ecmwf.int/?facets=%7...models%22%5D%7D

Tutto ciò che è innovazione e svolta in questo campo è sempre stupendo. Una materia come la meteorologia ha bisogno di fare salti veloci anche nell'elaborazione previsionale.
Interessantissimo a mio avviso

Poranese457 ha scritto: [Visualizza Messaggio]

E' stato pubblicato ieri sulla rivista Science uno studio molto interessante che riguarda un nuovo approccio alle previsioni meteorologiche
L'artefice del nuovo progetto non è un pinco pallo qualunque ma Google che ha realizzato un sistema previsionale basato sull'IA in grado di stravolgere le attuali strategie alla basse delle previsioni meteorologiche

Sfruttando la potenza del deep learning infatti il nuovo sistema permette di generare previsioni sulla base dei dati storici acquisiti (relativi agli ultimi 30 anni) e, senza l'utilizzo di complessi algoritmi come nel caso degli attuali modelli deterministici, riesce a restituire previsioni che si sono rilevate del 10% più affidabili rispetto a quelle prodotte da ECM per il 90% degli scenari proposti

Il tutto si scontra con alcuni limiti attuali del modello quali una minore risoluzione spaziale (la griglia minima è 28x28km all'equatore) ed appena 37 livelli verticali al confronto con i 137 di ECM

Il funzionamento non è esattamente semplice e vi invito a leggere i link che vi lascio prima di storcere il naso verso questo nuovo approccio  
Vi  metto sia il link sia all'articolo de Il Messaggero sia allo studio originale pubblicato su Science che potete facilmente tradurre in Italiano con l'apposita funzione di Chrome


Articolo Il Messaggero

Studio pubblicato su Science

Questo nuovo approccio da quando sarà attivo/operativo?

Tra l'altro il codice è open source quindi chiunque potenzialmente potrebbe apportare migliorie di sorta.
Che roba ragazzi, potremmo trovarci davvero agli inizi di una rivoluzione in campo previsionale.

interessante

ma qualcuno di voi conosce app con alert IA per il nowcasting? leggevo in uno dei post dei giorni scorsi un utente che ne parlava, tipo che dall'osservazione del radar è in grado di dirti se nella tua zona pioverà di qui a mezz'ora/un'ora


PS: Non mi ricordavo di averglielo chiesto e mi aveva pure risposto

alias64 ha scritto: [Visualizza Messaggio]

Boba Fett ha scritto: [Visualizza Messaggio]

alias64 ha scritto: [Visualizza Messaggio]

Ennesima proiezione radar per l arrivo di temporale da ste parti..è la terza volta oggi e mai arrivato,vediamo se stavolta s avvera..

che app usi per questi alert?

questa

Caldonevone ha scritto: [Visualizza Messaggio]

Questo nuovo approccio da quando sarà attivo/operativo?

qualcosa puoi vedere qua

https://charts.ecmwf.int/products/g...me=202311150600

Tutto davvero molto molto interessante!
Quello che prospettava come un "possibile futuro" si sta semplicemente traducendo in realtà!

Caldonevone ha scritto: [Visualizza Messaggio]

Poranese457 ha scritto: [Visualizza Messaggio]

E' stato pubblicato ieri sulla rivista Science uno studio molto interessante che riguarda un nuovo approccio alle previsioni meteorologiche
L'artefice del nuovo progetto non è un pinco pallo qualunque ma Google che ha realizzato un sistema previsionale basato sull'IA in grado di stravolgere le attuali strategie alla basse delle previsioni meteorologiche

Sfruttando la potenza del deep learning infatti il nuovo sistema permette di generare previsioni sulla base dei dati storici acquisiti (relativi agli ultimi 30 anni) e, senza l'utilizzo di complessi algoritmi come nel caso degli attuali modelli deterministici, riesce a restituire previsioni che si sono rilevate del 10% più affidabili rispetto a quelle prodotte da ECM per il 90% degli scenari proposti

Il tutto si scontra con alcuni limiti attuali del modello quali una minore risoluzione spaziale (la griglia minima è 28x28km all'equatore) ed appena 37 livelli verticali al confronto con i 137 di ECM

Il funzionamento non è esattamente semplice e vi invito a leggere i link che vi lascio prima di storcere il naso verso questo nuovo approccio  
Vi  metto sia il link sia all'articolo de Il Messaggero sia allo studio originale pubblicato su Science che potete facilmente tradurre in Italiano con l'apposita funzione di Chrome


Articolo Il Messaggero

Studio pubblicato su Science

Questo nuovo approccio da quando sarà attivo/operativo?

Se parli del GraphCast di Google in realtà non ci sono date per un modello definito ma come nel caso di tutti i sistemi di IA quest'ultimo non andrà a sostituire i modelli esistenti quando ad integrarli

Per intenderci è come con il modello linguistico GPT che viene poi usato dai più disparati sistemi di chatbot, dal più famoso ChatGPT ma anche Bing o altri chatbot piazzati ormai ovunque grazie ad "addestramenti personalizzati" in base all'ambito di utilizzo

Metto qui nello spoiler una parte delle conclusioni dell'articolo su Science nelle quali si parla dei limite dell'attuale sistema GraphCast

Molto interessante l'uso dell'AI sulle previsioni, molto probabilmente sara' rivoluzionaria come cosa. Da far notare comunque che anche la Cina gia' utilizza questo sistema da un po'. Questo un articolo a riguardo. Nell'articolo parlano di un accuratezza molto alta.

Da far notare anche questa notizia di una collaborazione tra ECMWF e Huawei con Pangu-Weather sempre sull'AI per rendere le previsioni piu' accurate.

 

EDIT: Questo comunque invece e' Pangu AI su ECMWF

https://charts.ecmwf.int/catalogue/...me=202311150600

Questo per le temperature a 850hPa e geopotenziali
https://charts.ecmwf.int/catalogue/...me=202311150600


Per chi vuole vedere le differenze tra i vari modelli che ci sono, QUI sul sito di ECMWF c'e' il grafico che li mette in comparazione.

Da far notare pure il modello di ECMWF che prende poi spunto da quello di Google: AIFS

 

Faccio un copia/incolla di un messaggio scritto da Snowaholic su MNW, probabilmente uno degli personaggi più preparati del panorama meteo-amatoriale italiano, nel quale spiega in maniera eccellente il sistema di funzionamento dei modelli AI based

"
I modelli che utilizzano reti neurali non sono lineari, modelli come Graphcast individuano la dinamica che considerano più probabile a partire da una specifica condizione iniziale attraverso lo studio del dataset di reanalisi (le ERA5 1979-2017 in questo caso).
Non c'è nessun ostacolo teorico, se non il fatto che il modello non produce necessariamente output coerenti dal punto di vista fisico (ma avendo effettuato un training su un dataset che è costruito integrando anche i principi fisici anche l'output in linea di massima lo sarà).

Considerato che i modelli utilizzati attualmente sono delle approssimazioni dei processi fisici (quindi intrinsecamente soggette ad errori e bias nella dinamica) non è così scontato che un modello che cerca di simulare le dinamiche reali in base ai principi della fisica riesca a raggiungere una precisione maggiore di uno che fa una simulazione statistica (non lineare). Dopotutto lo vediamo anche con le stagionali quanta difficoltà hanno i modelli di simulazione in particolare sulle dinamiche polari, anche semplici modelli statistici riescono ad ottenere risultati migliori.
Di conseguenza il modello costruito sulle reti neurali ha il vantaggio di costruire la previsione "imitando" le dinamiche reali studiate nel dataset di inizializzazione, che sono prive degli errori di approssimazione impliciti in un modello deterministico, ma ha lo svantaggio di non utilizzare le conoscenze sui processi fisici. Dal punto di vista della propagazione dell'errore, non mi stupirebbe una maggiore robustezza dei modelli basati sulle reti neurali.

Dal punto di vista teorico non c'è un approccio superiore ad un altro, si tratta di approcci totalmente diversi quindi si può solo fare una valutazione relativa in termini di efficienza. In ogni caso, la parte di inizializzazione e reanalisi che fanno i modelli attuali rimane essenziale, si tratta solo di capire se nel costruire le dinamiche future sia più efficiente un approccio che cerca di risolvere le equazioni oppure uno che "ragioni" sostanzialmente per analogia dopo aver fatto un confronto con altre situazioni analoghe. Non mi stupirebbe se in futuro dei modelli globali attuali rimanesse prevalentemente la parte di inizializzazione e reanalisi, mentre per le previsioni prevalesse un approccio più leggero fondato sul machine learning.
"

Fantastico  

Interessante, davvero. Persona sicuramente preparata sull'argomento che è comunque per un target di persone con elevata conoscenza di nozioni.

Mi sfugge il concetto di reti neurali, ma comunque a grandi linee il succo è chiaro.

Se dovesse andare come dice lui, mi mancherà l'illusorio run della buona notte... Il 18z  

Carletto89 ha scritto: [Visualizza Messaggio]

Interessante, davvero. Persona sicuramente preparata sull'argomento che è comunque per un target di persone con elevata conoscenza di nozioni.

Mi sfugge il concetto di reti neurali, ma comunque a grandi linee il succo è chiaro.

Se dovesse andare come dice lui, mi mancherà l'illusorio run della buona notte... Il 18z  

PIù o meno una rete neurale funziona così:  

∑wixi + bias = w1x1 + w2x2 + w3x3 + bias

output = f(x) = 1 if ∑w1x1 + b>= 0; 0 if ∑w1x1 + b < 0