Questo confronto preliminare dei modelli non include il tradizionale modello “gold standard” basato sulla fisica prodotto dal Centro europeo per le previsioni meteorologiche a medio termine. Tuttavia, il modello ECMWF in genere non è in grado di prevedere le tracce degli uragani meglio dei centri degli uragani o dei modelli di consenso, che ponderano i risultati di modelli diversi. Quindi è improbabile che sia superiore a DeepMind di Google.
Cambierà le previsioni per sempre
Vale la pena notare che anche DeepMind si è comportato molto bene Previsione dell’intensitàche fluttua nella forza degli uragani. Quindi, nella sua prima stagione, ha centrato sia la traccia che l’intensità dell’uragano.
Essendo un meteorologo che si è affidato a modelli tradizionali basati sulla fisica per un quarto di secolo, è difficile dire quanto siano sbalorditivi questi risultati. Guardando al futuro, si può affermare con certezza che faremo molto affidamento su Google e su altri modelli meteorologici basati sull’intelligenza artificiale, che probabilmente miglioreranno nei prossimi anni, poiché sono relativamente nuovi e hanno margini di miglioramento.
“La bellezza di DeepMind e di altri modelli meteorologici simili basati su dati e intelligenza artificiale è la rapidità con cui producono previsioni rispetto alle loro controparti tradizionali basate sulla fisica che richiedono i supercomputer più costosi e avanzati del mondo”, ha osservato Michael Lowry, esperto di uragani e autore di Eye on the Tropics. NotiziarioInformazioni sulle prestazioni del modello. “Oltre a ciò, questi modelli ‘intelligenti’ con la loro architettura di rete neurale hanno la capacità di imparare dai propri errori e apportare correzioni al volo.”
E il modello nordamericano?
Per quanto riguarda il modello GFS, è difficile spiegare il motivo per cui ha funzionato così male in questa stagione. In passato questo era considerato il peggiore nel fare una previsione. Ma quest’anno io e altri meteorologi l’abbiamo spesso trascurato.
“Non è immediatamente chiaro il motivo per cui il GFS si è comportato così male in questa stagione degli uragani”, ha scritto Lowry. “Alcuni hanno ipotizzato che gli errori nella raccolta dei dati relativi ai tagli governativi legati al DOGE quest’anno potrebbero essere stati un fattore determinante, ma è probabile che tale fattore influenzerà non solo il GFS americano, ma anche altri modelli globali basati sulla fisica.”
Con il governo degli Stati Uniti in modalità shutdown, probabilmente non possiamo aspettarci molte risposte a breve. Ma è chiaro che il nucleo dinamico del modello rappresenta un enorme aggiornamento Iniziato nel 2019Fondamentalmente un fallimento. Se dieci anni fa il GFS era in ritardo rispetto ad alcuni dei suoi concorrenti, ora sta svanendo ancora più velocemente.
