Il modello, chiamato "GenCast", supera le tradizionali previsioni climatiche a medio raggio ed è anche in grado di prevedere meglio le condizioni meteorologiche estreme, le traiettorie dei cicloni tropicali e la produzione di energia eolica.

I dettagli del modello sono stati resi noti in un articolo pubblicato sulla rivista Nature, secondo l'agenzia Efe.

Disporre di previsioni meteorologiche accurate è essenziale affinché le persone, i governi e le organizzazioni possano prendere decisioni essenziali nella loro vita quotidiana, dal portare un ombrello alla valutazione della produzione di energia eolica o alla pianificazione di condizioni meteorologiche estreme per evitare disastri.

Le previsioni meteorologiche tradizionali si basano su metodi numerici di previsione del tempo, che stimano il tempo attuale e lo mappano su una previsione futura nel tempo (note come previsioni deterministiche), ma questo genera numerosi scenari potenziali, che vengono combinati per produrre una previsione meteorologica.

Ora, un team di scienziati di Google ha sviluppato un metodo di previsione meteorologica basato sull'apprendimento automatico, chiamato GenCast, in grado di generare una previsione probabilistica, che predice la probabilità del tempo futuro sulla base degli stati meteorologici attuali e passati.

Gli autori hanno addestrato GenCast a partire da 40 anni (dal 1979 al 2018) di analisi dei dati relativi alle migliori stime degli eventi climatici.

Grazie a questo addestramento, il modello è in grado di generare previsioni globali per 15 giorni, per oltre 80 variabili atmosferiche e di superficie, in otto minuti.

Confrontandolo con la suite di previsioni del Centro europeo per le previsioni meteorologiche a medio raggio (ENS) - attualmente la più performante a livello mondiale per le previsioni a medio raggio - hanno scoperto che GenCast ha superato ENS nel 97,2% dei 1.320 obiettivi utilizzati.

GenCast è anche più efficace nel prevedere le condizioni meteorologiche estreme, le traiettorie dei cicloni tropicali e la produzione di energia eolica.

Gli autori sostengono che GenCast può generare previsioni meteorologiche più efficienti ed efficaci per supportare una pianificazione efficace.