Google DeepMind ha pubblicato WeatherNext Cyclones su Nature il 6 agosto, segnalando oltre un giorno intero di tempo di anticipo aggiuntivo rispetto alle principali previsioni operative per traiettorie, intensità e struttura del vento dei cicloni. Le previsioni a tre giorni eguagliano ora l'accuratezza che i modelli precedenti raggiungevano a due giorni.
Le barre d'errore
L'errore di traiettoria nella finestra a tre giorni è di circa 100 km; l'errore di intensità è di circa 11 nodi. Il modello è stato valutato su cicloni del 2023-2024 — alcune coperture secondarie parlano di 2023-2025, ma ciò non è supportato dal post di DeepMind.
Su cosa è stato addestrato
Quasi 20 terabyte di dati atmosferici globali più IBTrACS, l'archivio storico dei best track che copre quasi 5.000 tempeste. È stato realizzato con il US National Hurricane Center, il Cooperative Institute for Research in the Atmosphere e il UK Met Office. WeatherNext 2 e WeatherNext Cyclones sono su GitHub con codice e pesi del modello, insieme a una versione WeatherNext 2-mini.
Dove c'è il guadagno, e dove no
Il principale miglioramento riguarda la traiettoria. La previsione dell'intensità — cioè se una tempesta si rafforzerà rapidamente prima dell'approdo a terra — resta il problema più difficile e quello che più spesso determina i danni. Un errore di 11 nodi è un progresso, non un problema risolto.
Non un sostituto
Il sistema opera accanto ai previsori del National Hurricane Center, anziché sostituire gli avvisi ufficiali. L'affermazione di DeepMind secondo cui il risultato rappresenta un decennio di progresso meteorologico è una sua analogia, non una metrica contenuta nel paper — che è sottoposto a peer review, a differenza della maggior parte delle affermazioni sui modelli che raggiungono questo livello di copertura. La pubblicazione di codice e pesi insieme al modello significa che il confronto può essere ripetuto dalle agenzie che dovrebbero fidarsi di esso, ed è questo il punto che decide se verrà usato operativamente.