Non ti lamenterai più delle previsioni del tempo, perché Google ha creato un’intelligenza artificiale in grado di prevederle con grande precisione meglio dei modelli attuali.
Una delle cose più difficili da prevedere sono le previsioni del tempo, e anche se oggi con le nuove tecnologie sono abbastanza vicine, ad un certo punto avrai alzato gli occhi al cielo, e avrai visto che c’era il sole quando lo avevano detto stava per piovere.
Per fortuna Google ha creato una tecnologia in grado di farlo generare previsioni meteorologiche accurate su larga scala ed è più economico delle previsioni e dei metodi attuali.
Campionatore di diffusione di busta di ensemble scalabile (SEEDS) agisce in modo simile a modelli linguistici di grandi dimensioni come ChatGPT.
La sua tecnologia genera molti più set o scenari meteorologici multipli in modo più rapido ed economico rispetto ai modelli tradizionali.
Da un lato abbiamo le previsioni basate sulla fisica attualmente utilizzate dai servizi meteorologici che conosciamo, che raccolgono diverse misurazioni e forniscono una previsione finale che fa la media di molte previsioni modellate diverse.
Queste tecnologie attuali utilizzano anche modelli di previsione deterministici o probabilistici in cui vengono introdotte variabili casuali nelle condizioni iniziali, ma ciò porta a un tasso di errore più elevato, rendendo difficile prevedere con precisione condizioni meteorologiche estreme.
I vantaggi del campionatore scalabile Envelope Diffusion (SEEDS)
Tuttavia Campionatore di diffusione di busta di ensemble scalabile (SEEDS) di Google produce modelli previsionali a partire da misurazioni fisiche raccolte da agenzie meteorologiche, analizzando le relazioni tra l’energia potenziale unitaria per massa del campo gravitazionale terrestre nella media troposfera e la pressione a livello del mare.
Questa intelligenza artificiale può estrapolare fino a 31 serie di previsioni, basandosi solo su una o due previsioni utilizzate come dati di input.
D’altra parte, chiariscono che i costi informatici associati all’esecuzione dei calcoli con Campionatore di diffusione di busta di ensemble scalabile (SEMI) sono insignificanti rispetto ai metodi attuali.
