Google presenta WeatherNext 3, il nuovo modello AI per le previsioni globali
Testo scritto con l’intelligenza artificiale a partire da 3 fonti citate, senza revisione umana prima della pubblicazione.
Il modello apprende da osservazioni in tempo reale e, secondo valutazioni indipendenti, è risultato il più accurato tra i contendenti testati.
Google DeepMind e Google Research lanciano WeatherNext 3: risoluzione fino a cinque volte superiore al modello precedente e prime valutazioni “live” che lo mettono in testa ai rivali.
Il salto arriva dai dati osservativi. Il modello non si limita agli archivi storici: integra misure in tempo reale, incluse letture satellitari. Così aggiorna più spesso le stime e concentra il dettaglio sugli eventi ad alto impatto. Google segnala progressi sulle precipitazioni, solide e liquide, tra le variabili più difficili da stimare.
Cresce anche la copertura spaziale utile. La visione globale raggiunge una risoluzione fino a 5× rispetto al precedente modello della casa, grazie all’impiego sistematico di osservazioni aggiornate in continuo. “Una delle principali novità è che [WeatherNext 3] va oltre i dati su cui si addestrano la maggior parte dei modelli AI globali”, afferma Samier Merchant, research engineer di Google Research. “Sfruttiamo set di dati osservativi più freschi e più ricchi”.
Arriva poi il riscontro esterno. Brightband ha testato WeatherNext 3 su Operational WeatherBench, la piattaforma che confronta previsioni su variabili chiave come temperatura, vento e umidità. Nelle classifiche pubbliche del banco prova, il modello risulta il più accurato fra i principali sistemi provati, superando altri modelli di deep learning di Google, Microsoft e Nvidia, oltre a previsioni tradizionali del National Weather Service e dell’ECMWF. DeepMind lega a queste verifiche “live” la rivendicazione del primato di accuratezza.
Google prevede un rilascio su prodotti consumer e piattaforme cloud. WeatherNext 3 inizierà ad alimentare le informazioni meteo in Search, Google Maps e nell’assistente Gemini. L’azienda lo renderà disponibile anche a utenti e ricercatori sulle proprie piattaforme cloud. “Per la prima volta alcune variabili core alimenteranno molti prodotti Google”, dice Merchant.
Il confronto con le simulazioni numeriche chiarisce il cambio di passo. I modelli fisici richiedono cicli computazionali costosi e introducono ritardi; i sistemi di deep learning generano previsioni più rapide, attingendo a flussi osservativi in tempo reale e a immagini satellitari. Applicate in Search, Maps e Gemini, stime più aggiornate su pioggia e neve incidono sulle decisioni quotidiane di chi pianifica spostamenti o attività all’aperto.
Per la comunità, Operational WeatherBench offre qualcosa in più di un annuncio. Il confronto pubblico e continuo tra modelli impone un controllo costante delle prestazioni nel mondo reale. Finché queste classifiche resteranno aggiornate, la superiorità rivendicata da Google potrà essere verificata giorno per giorno, anche durante il rollout su prodotti e cloud.
Fonti
- Introducing WeatherNext 3, our most advanced and accurate global weather AI model
- Google’s latest AI weather model gives you no excuse to forget your umbrella
- Google says its AI weather model is getting better
Le fonti di questo pezzo sono state ricollegate all’articolo dopo la pubblicazione: l’elenco è quello da cui è stato scritto, ma i singoli rimandi nel testo non sono associati a una fonte precisa.
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.