Microsoft ha annunciato uno strumento open source di machine learning che corregge gli errori sistematici dei modelli meteorologici esistenti. Il metodo, chiamato Probabilistic Bias Correction (PBC), permette alle agenzie di elaborare previsioni più affidabili da due a sei settimane in anticipo. Funziona su normali CPU, senza supercomputer né GPU di fascia alta.
Come PBC migliora le previsioni
PBC apprende gli errori ricorrenti di un modello meteorologico — per esempio, la tendenza a prevedere temperature più basse perché il modello è stato addestrato su dati climatici meno recenti — e corregge i risultati. Nei test, ha aumentato l’accuratezza del modello basato sulla fisica dell’European Centre for Medium-Range Weather Forecasts (ECMWF) per il 98 % degli obiettivi relativi alle precipitazioni e il 92 % di quelli relativi alla temperatura. Ha inoltre raddoppiato l’accuratezza del più recente sistema di previsione basato sull’IA di ECMF.
Perché è importante
Poiché il software è leggero e gratuito, i servizi meteorologici più piccoli, soprattutto nelle regioni in via di sviluppo, possono adottarlo senza investire in hardware costoso. Previsioni più accurate a medio termine danno agli agricoltori più tempo per proteggere i raccolti e aiutano i soccorritori a prepararsi agli eventi meteorologici estremi.
Perché conta
Per le persone, previsioni più accurate con due-sei settimane di anticipo possono significare allerte tempestive per tempeste o siccità, dando ad agricoltori e amministrazioni locali più possibilità di intervenire. Grazie al costo contenuto e alla natura open source, lo strumento potrebbe raggiungere anche regioni che finora non disponevano della potenza di calcolo necessaria per usare modelli meteorologici avanzati.
