Microsoft ha presentato Aurora, un modello di intelligenza artificiale che rappresenta un salto evolutivo nelle previsioni meteorologiche e ambientali. Il sistema, descritto in uno studio pubblicato sulla prestigiosa rivista scientifica Nature, supera nettamente i modelli tradizionali in termini di precisione, velocità e costi computazionali, estendendo le proprie capacità ben oltre le classiche previsioni del tempo per includere la qualità dell’aria, le traiettorie degli uragani e la dinamica delle onde oceaniche.
L’architettura di Aurora si distingue per la capacità di modellare l’intero sistema Terra anziché limitarsi alla sola atmosfera. Il modello è stato addestrato su oltre un milione di ore di dati geofisici provenienti da satelliti, radar, stazioni meteorologiche, simulazioni e previsioni, costituendo quella che i ricercatori di Microsoft definiscono la più ampia raccolta di dati atmosferici mai assemblata per addestrare un modello di previsione basato sull’intelligenza artificiale. Questa vasta base di conoscenza permette ad Aurora di generare previsioni in pochi secondi, utilizzando un’architettura flessibile che può essere successivamente specializzata per compiti specifici mediante l’aggiunta di quantità limitate di dati addizionali.
Le performance documentate nello studio scientifico evidenziano risultati straordinari in diversi ambiti di applicazione. Aurora produce previsioni meteorologiche a dieci giorni più accurate e a un costo computazionale inferiore rispetto ai modelli utilizzati dalle principali agenzie internazionali, incluso il prestigioso modello del Centro europeo per le previsioni meteorologiche a medio termine, considerato il punto di riferimento globale per l’accuratezza. Il sistema ha dimostrato la propria superiorità nel prevedere eventi estremi, anticipando con quattro giorni di anticipo l’arrivo del tifone Doksuri che nel luglio 2023 ha colpito le Filippine, mentre le previsioni ufficiali erroneamente posizionavano la tempesta al largo delle coste del Taiwan settentrionale.
Nel campo della previsione dei cicloni tropicali, Aurora ha stabilito un primato senza precedenti per un modello di apprendimento automatico, superando il National Hurricane Center degli Stati Uniti nella previsione delle traiettorie a cinque giorni. Il sistema ha inoltre battuto sette importanti centri di previsione globali nell’indicare i percorsi dei cicloni della stagione 2022-2023, ottenendo risultati superiori nel 100% degli obiettivi misurati per le traiettorie a cinque giorni e nel 92% di quelli relativi alle previsioni meteorologiche a dieci giorni. Questi risultati testimoniano la capacità del modello di apprendere e interpretare la fisica del mondo reale attraverso i dati, offrendo previsioni ad alta risoluzione anche in regioni con dati limitati.
L’applicazione di Aurora alla qualità dell’aria rappresenta un ulteriore elemento di innovazione. Il sistema ha previsto con un giorno di anticipo la devastante tempesta di sabbia che si è abbattuta sull’Iraq nel giugno 2022, una delle dieci tempeste simili che hanno colpito il paese quell’anno. La tempesta aveva causato migliaia di ricoveri ospedalieri per difficoltà respiratorie e la chiusura dell’aeroporto di Baghdad. Aurora ha raggiunto questo risultato a una frazione del costo computazionale richiesto dalle previsioni tradizionali sulla qualità dell’aria, dimostrando come il modello possa adattarsi efficacemente anche con dati relativamente limitati rispetto a quelli meteorologici, grazie al suo addestramento iniziale su dataset ampi e diversificati.
Il vantaggio computazionale di Aurora rispetto ai sistemi tradizionali è particolarmente significativo. Mentre i modelli convenzionali richiedono supercomputer e ore di elaborazione, Aurora genera previsioni in secondi su una singola GPU, con costi operativi inferiori anche di cento volte rispetto ai sistemi attuali. Microsoft stima che il sistema possa essere fino a 5.000 volte più veloce del sistema di previsione integrato dell’ECMWF, mantenendo al contempo una precisione superiore. Questa efficienza computazionale apre nuove possibilità per l’accesso democratizzato alle informazioni meteorologiche e climatiche ad alta qualità.
La versatilità di Aurora emerge chiaramente dalla sua capacità di operare come modello fondamentale per il sistema Terra. Il sistema può prevedere una vasta gamma di variabili atmosferiche, dalla temperatura e velocità del vento ai livelli di inquinamento dell’aria e alle concentrazioni di gas serra. L’architettura del modello, basata su un Transformer 3D Swin flessibile con encoder e decoder basati su Perceiver, gli consente di processare e prevedere diverse variabili atmosferiche attraverso spazio e livelli di pressione, gestendo input eterogenei e generando previsioni a diverse risoluzioni.
L’integrazione di Aurora nell’ecosistema Microsoft è già iniziata attraverso MSN Weather, dove una versione specializzata del modello produce previsioni orarie includendo parametri aggiuntivi come precipitazioni e nuvolosità. Microsoft ha inoltre reso pubblicamente disponibili il codice sorgente e i pesi del modello, permettendo a sviluppatori e ricercatori di scaricare, utilizzare e costruire su Aurora per favorire ulteriori innovazioni nel campo. Il modello è anche presente su Azure AI Foundry Labs, l’hub di Microsoft per le ultime ricerche e sperimentazioni in intelligenza artificiale.
Il team di ricerca, guidato dal professor Paris Perdikaris dell’Università della Pennsylvania, sottolinea come Aurora rappresenti il primo modello di intelligenza artificiale a superare consistentemente tutti i centri operativi per la previsione degli uragani. Lo sviluppo del modello ha richiesto quattro-otto settimane per ciascun esperimento di fine-tuning con un piccolo team di ingegneri, rispetto ai tipici periodi di sviluppo di diversi anni per i modelli dinamici di base. Questa accelerazione dei tempi di sviluppo è possibile grazie alla ricchezza di dati disponibili derivanti da decenni di ricerca negli approcci numerici tradizionali.
Le prospettive future di Aurora includono l’estensione verso la generazione di ensemble di previsioni, cruciali in situazioni di incertezza predittiva, e il miglioramento attraverso l’addestramento su dati più diversificati e il ridimensionamento verso architetture ancora più grandi. I risultati di scaling indicano che il modello non ha ancora raggiunto un limite di performance, suggerendo margini di miglioramento significativi. Le agenzie meteorologiche mondiali stanno già esplorando lo sviluppo di propri modelli basati sull’intelligenza artificiale, affiancandoli ai sistemi digitali tradizionali, prefigurando una trasformazione epocale nel campo delle previsioni atmosferiche e ambientali.
