{"id":13552,"date":"2024-07-23T13:12:56","date_gmt":"2024-07-23T13:12:56","guid":{"rendered":"https:\/\/dailyai.com\/?p=13552"},"modified":"2024-07-23T13:19:34","modified_gmt":"2024-07-23T13:19:34","slug":"googles-ai-predicts-weather-using-fraction-of-computing-power","status":"publish","type":"post","link":"https:\/\/dailyai.com\/it\/2024\/07\/googles-ai-predicts-weather-using-fraction-of-computing-power\/","title":{"rendered":"L'intelligenza artificiale di Google prevede il tempo utilizzando una frazione della potenza di calcolo"},"content":{"rendered":"

Google ha presentato NeuralGCM, un modello ibrido di previsione meteorologica che combina l'apprendimento automatico con le tecniche di previsione tradizionali e presenta vantaggi sorprendenti.<\/strong><\/p>\n

La previsione meteorologica ha registrato notevoli miglioramenti nell'accuratezza delle previsioni, ma le tecniche tradizionali richiedono grandi risorse di calcolo per eseguire algoritmi sempre pi\u00f9 complessi.<\/p>\n

I modelli di circolazione generale (GCM) sono alla base delle previsioni climatiche e meteorologiche che ci permettono di sapere se domani avremo bisogno di un ombrello.<\/p>\n

I GCM sono simulatori fisici che utilizzano equazioni matematiche basate sulle leggi della fisica per simulare come l'aria, l'acqua e l'energia si muovono sul pianeta.<\/p>\n

I tipici GCM dividono la superficie terrestre in una griglia di celle fino a 100 chilometri, come una gigantesca scacchiera. L'algoritmo elabora ogni casella con un approccio graduale per prevedere il probabile cambiamento delle condizioni atmosferiche.<\/p>\n

Le equazioni alla base dei GCM sono incredibilmente complesse e tengono impegnati alcuni dei pi\u00f9 grandi supercomputer del mondo.<\/p>\n

I modelli di apprendimento automatico (ML) per la previsione del tempo hanno mostrato un potenziale significativo, ma sono principalmente basati sui dati.<\/p>\n

Un modello di previsione meteorologica ML ha una grande idea dei dati meteorologici storici, ma non ha la comprensione intrinseca delle leggi fisiche che governano l'atmosfera e che sono modellate in un GCM.<\/p>\n

I modelli ML sono veloci e possono fornire previsioni accurate a breve termine, ma spesso hanno difficolt\u00e0 con la stabilit\u00e0 a lungo termine e con rari eventi meteorologici estremi o scenari climatici futuri.<\/p>\n

NeuralGCM, sviluppato da un team di Google Research, combina l'accuratezza e le capacit\u00e0 di previsione a lungo termine dei GCM tradizionali con la migliore risoluzione, efficienza e velocit\u00e0 dei modelli ML.<\/p>\n

\n

NeuralGCM \u00e8 disponibile gratuitamente e non vediamo l'ora di vedere come gli scienziati lo svilupperanno.<\/p>\n

Per maggiori dettagli, consultate il mio post sul blog che descrive il lavoro e il nostro codice open source:https:\/\/t.co\/AfqLagoYDs<\/a>https:\/\/t.co\/MSlFg6pgfj<\/a><\/p>\n

- Stephan Hoyer (@shoyer) 22 luglio 2024<\/a><\/p><\/blockquote>\n