La meteorologia, fondamentale per la gestione dei rischi e per la prevenzione dei disastri, sta vivendo una rivoluzione grazie all’intelligenza artificiale e alla potenza di calcolo dei supercomputer. Un esempio di queste innovazioni è il sistema sviluppato da Leonardo, che supporta la Protezione Civile italiana nel monitoraggio meteo e nella previsione di fenomeni estremi.
Attualmente, la Protezione Civile è in grado di lanciare allarmi con un anticipo di 30 minuti a un’ora rispetto all’inizio di un fenomeno meteorologico estremo. Tuttavia, con l’evoluzione delle tecnologie basate sull’intelligenza artificiale e sul supercalcolo, si spera che in futuro gli allarmi possano essere emessi con un anticipo di 2, fino a 6 ore.
Matteo Guidi, ingegnere informatico specializzato in AI presso i Leonardo Labs, spiega come il sistema di monitoraggio meteorologico della Protezione Civile, che integra dati provenienti dalla rete di radar meteo e da immagini satellitari, stia diventando sempre più avanzato. “Il software finora in uso era datato una ventina d’anni – spiega Guidi – e lo stiamo ammodernando integrando funzionalità della AI e linguaggi avanzati per ottenere migliori predizioni meteo. Studiamo algoritmi predittivi di machine learning basati su dati radar meteorologici per effettuare previsioni con un anticipo di 2 ore. Attualmente, i nostri modelli raggiungono le prestazioni dello stato dell’arte tecnologico. Stiamo lavorando per integrare immagini satellitari e dati aggiuntivi, con l’obiettivo di migliorare ulteriormente l’accuratezza e l’affidabilità delle previsioni. In futuro, puntiamo a estendere l’orizzonte di previsione fino a 6 ore, un traguardo che rappresenterebbe un enorme passo avanti, soprattutto in situazioni critiche come la necessità di evacuare un’area a rischio.”
Il sistema di previsione meteorologica sta subendo un cambiamento epocale. Non solo si stanno integrando tecnologie avanzate come il Lightning Imager, ma anche l’approccio alle previsioni è cambiato drasticamente. “Fino a pochi anni fa, per fare una previsione meteo, ci si basava su complessi modelli matematici che descrivevano fenomeni fisici atmosferici, richiedendo calcoli estremamente complessi e dispendiosi in termini di tempo. Oggi, con il nuovo approccio data-driven, i dati sono il centro, e le applicazioni che ne derivano sono incredibili“, continua Guidi.
Con l’intelligenza artificiale, le previsioni meteo non dipendono più dalla comprensione di modelli fisici, ma da una raccolta massiva di dati. La rete radar nazionale, che raccoglie dati ogni 5 minuti da tutta Italia, genera un blocco di dati di circa 30 megabyte per ogni sito. “In un giorno abbiamo almeno 150 gigabyte di dati e quando facciamo una previsione teniamo in considerazione gli ultimi 4 anni di dati… quindi… è chiaro che, per addestrare un modello che possa gestire terabyte di dati, serve una potenza di calcolo gigante. Sono indispensabili strutture di high performance computing (HPC), ovvero capaci di eseguire calcoli a elevate prestazioni, come il supercomputer davinci-1, uno dei supercomputer più potenti nel settore aerospazio, difesa e sicurezza, del gruppo industriale Leonardo. Si tratta di una piattaforma integrata di supercalcolo e cloud computing che consente l’impiego di algoritmi (dal deep learning all’Intelligenza Artificiale), la personalizzazione per piattaforma tecnologica e il calcolo delle innumerevoli interazioni tra i dati generati (data analysis e big data)“, spiega Guidi.
La potenza di calcolo offerta da davinci-1 ha reso i calcoli molto più rapidi. “Tanto per capirci, su un computer meno efficiente, un solo addestramento fatto sulla stessa quantità di dati necessiterebbe di 2/3 settimane di tempo. Grazie a davinci-1 si riesce a parallelizzare il calcolo su multipli nodi, e bastano poche ore“. Questa velocità ha migliorato notevolmente i test e le analisi. “A dir la verità, attualmente vengono utilizzati entrambi i modelli. L’Ai non sta ancora sostituendo i modelli tradizionali, ma è un supporto. Ci regala, già adesso, una visione diversa sui metodi numerici e il grosso vantaggio è sulle tempistiche, perché, fatta una raccolta dati di giorni o settimane, la predizione viene generata in pochi secondi. I due metodi a confronto, per una previsione a breve termine, vedono differenze dell’ordine di 10 giorni contro 12 ore. Oggi alcuni modelli di intelligenza artificiale ci mettono pochi minuti anche per previsioni di lunghissimo termine: 8 minuti per una previsione meteo che arriva tranquillamente a 15 giorni“. È il caso di Google DeepMind, che utilizza una metodologia basata su reti neurali a grafi per migliorare le previsioni meteo su scala globale. “Quello di Google è però un lavoro diverso dal nostro, impossibile da mettere a confronto. Innanzitutto loro analizzano i dati globali, mondiali, quindi con una precisione estremamente inferiore alla nostra, rispetto a dove si svolgerà un determinato fenomeno. Il modello è addestrato su dati di circa 40 anni, dal 1979 al 2018, ed è in grado di fare previsioni globali fino a 15 giorni, ma, come detto, molto meno precisa sui luoghi interessati. In poche parole: noi possiamo prevedere quanto pioverà in un’area di 1 kmq. DeepMind ha una risoluzione massima di circa 30 km“, taglia corto Guidi.
La meteorologia radar è un campo innovativo e in continua evoluzione. In Italia, la rete radar è tra le più avanzate, mentre in altri paesi è ancora limitata. “Negli Stati Uniti è molto diffusa e in Europa esistono reti consolidate in paesi come Germania, Francia, Regno Unito e Svizzera. L’Italia sta investendo molto per migliorare l’uso della tecnologia radar per ottenere previsioni estremamente precise, accurate e ad altissima risoluzione. È un ambito con enormi potenzialità e margini di miglioramento, soprattutto per anticipare sempre di più fenomeni meteorologici estremi“, conclude Guidi.
