La Cina fa affidamento sui modelli di intelligenza artificiale nazionali per affinare le previsioni meteorologiche estreme
- La Cina sta promuovendo modelli di intelligenza artificiale sviluppati internamente come soluzioni per le previsioni operative di eventi meteorologici estremi.
- È inoltre previsto l'esportazione di diversi di questi strumenti attraverso l'iniziativa 'Allerta Precoce per Tutti' delle Nazioni Unite.
- I paesi del Sud Globale stanno testando o già utilizzando questi strumenti contro tifoni e inondazioni.
La Cina ha trovato una nuova strada nella sua spinta per diventare una potenza globale nell'IA, poiché l'agenzia meteorologica del paese e gli istituti di ricerca hanno posizionato i modelli di IA costruiti internamente sulla linea di fronte del suo sistema di monitoraggio e previsione dei tifoni.
L'economia più grande dell'Asia ha anche già gli occhi puntati sulle rotte di espansione, in quanto sta ora pianificando di diffondere i sistemi di IA già in uso nel paese ad altri paesi in via di sviluppo, in particolare quelli a rischio di eventi meteorologici estremi nell'Asia-Pacifico.
La Cina sta costruendo un sistema meteorologico basato sull'IA per il mondo
Sebbene la Cina sia stata il primo cliente dei suoi laboratori nazionali di IA meteorologica, il paese ha anche espresso l'ambizione di consentirne la diffusione in tutto il mondo, potenzialmente diventando lo standard globale.
Secondo un Rapporto Xinhua trasmettito dall'Ufficio Informazioni del Consiglio di Stato, l'Amministrazione Meteorologica Cinese (CMA) ha presentato il modello linguistico di grandi dimensioni per i servizi meteorologici Fenghe alla Conferenza Mondiale sull'Intelligenza Artificiale di quest'anno a Shanghai come progetto open-source globale.
Il modello Fenghe fornisce informazioni meteorologiche personalizzate e avvisi di rischio per gli utenti cinesi.
L'iniziativa Early Warnings for All delle Nazioni Unite ha ricevuto la versione internazionale, che offre consultazioni in cinese e inglese e consente agli sviluppatori di creare le proprie applicazioni basate sul modello.
Quali paesi stanno già utilizzando i modelli meteorologici basati sull'IA cinesi?
Pakistan, Gibuti, Etiopia, Giordania, Mongolia, Isole Salomone e Sri Lanka sono sette dei paesi in via di sviluppo che hanno già integrato i modelli meteorologici basati sull'IA cinesi direttamente nelle operazioni quotidiane di gestione dei disastri.
Tuttavia, stanno eseguendo un modello diverso da Fenghe. Invece, stanno eseguendo Mazu (Multi-hazard Alert, Zero-gap and Universal), un altro sistema della CMA, che è più avanzato nella sua agenda di popularizzazione.
Pan Jinjun, ingegnere capo della CMA, ha definito Mazu un "bene pubblico internazionale" che fornisce "servizi di allerta precoce su misura per le nazioni in via di sviluppo".
Altri 40 paesi del Global South stanno già sperimentando una versione cloud pubblica più rapida del sistema, chiamata così per la dea del mare.
I sistemi meteorologici basati sull'IA possono migliorare il monitoraggio dei tifoni?
Il lato della ricerca sta producendo guadagni misurabili. Gli scienziati dell'Istituto di Fisica dell'Atmosfera dell'Accademia Cinese delle Scienze, lavorando con l'Università di Fudan, hanno accoppiato il modello meteorologico basato sull'IA FuXi della Cina con un metodo che chiamano Perturbazioni Ottimali Non Lineari Ortonormali Condizionali, o O-CNOPs, per mappare l'intervallo di percorsi che una tempesta potrebbe seguire. PreventionWeb ha riportato il lavoro il 1 agosto.
Su 62 casi di tifone e 91 esperimenti comparativi, il sistema combinato FuXi-CNOPs ha eguagliato i migliori ensemble operativi globali a 24 ore e li ha superati da 24 a 120 ore, riducendo gli errori massimi di tracciamento fino al 32,33% e stringendo le stime di incertezza fino al 29,2%, secondo il team guidato dai ricercatori Duan Wansuo e Li Hao.
Lo studio è apparso su Advances in Atmospheric Sciences. Duan ha dichiarato al Global Times che l'approccio non richiede un addestramento aggiuntivo di grandi modelli, il che mantiene bassi i costi di calcolo e facilita il deployment nelle operazioni quotidiane.
Uno stack di modelli cinesi che alimenta la spinta
Questi strumenti si basano su diversi modelli di previsione cinesi che hanno attirato l'attenzione internazionale. FengWu, sviluppato dai ricercatori di Shanghai, produce previsioni globali a una risoluzione di 0,25 gradi.
In uno studio pubblicato su Communications Earth & Environment, ha superato il modello ad alta risoluzione dell'European Centre for Medium-Range Weather Forecasts insieme a Pangu-Weather e GraphCast, estendendo le previsioni utili oltre il segno dei 10 giorni e riducendo l'errore di tracciamento dei cicloni tropicali a cinque giorni a 201 chilometri per il 2022.
Pangu-Weather di Huawei, un altro sistema sviluppato internamente, genera previsioni molto più velocemente della previsione numerica tradizionale, e Huawei afferma che sia l'ECMWF che il National Meteorological Center della CMA hanno confermato i suoi vantaggi. Insieme, i modelli danno a Pechino una base domestica da cui attingere mentre presenta la sua IA meteorologica all'estero.
I cervelli più intelligenti del crypto leggono già la nostra newsletter. Vuoi unirti a loro? Unisciti a loro.
Domande frequenti
Cos'è Fenghe?
Fenghe è un modello linguistico su larga scala open source per i servizi meteorologici sviluppato dall'Amministrazione Meteorologica Cinese, addestrato su 50 milioni di token di dati meteorologici e presentato alla Conferenza Mondiale sull'Intelligenza Artificiale 2026 di Shanghai. La sua versione internazionale fa parte dell'iniziativa 'Allerta Precoce per Tutti' delle Nazioni Unite.
Quali paesi utilizzano il sistema di allerta Mazu della Cina?
Sette paesi in via di sviluppo hanno implementato Mazu sul campo: Pakistan, Gibuti, Etiopia, Giordania, Mongolia, Isole Salomone e Sri Lanka, mentre una versione cloud pubblica è stata testata da 40 paesi del Sud Globale.
Di quanto ha migliorato il sistema FuXi-CNOPs le previsioni dei tifoni?
Su 62 casi di tifone, il sistema ha ridotto gli errori massimi di tracciamento fino al 32,33% nell'intervallo da 24 a 120 ore e migliorato l'accuratezza della quantificazione dell'incertezza fino al 29,2%, secondo il team di ricerca.
Hannah Collymore
Hannah è una scrittrice e redattrice con quasi un decennio di esperienza nella scrittura di blog e nella copertura di eventi nel settore delle criptovalute. Presso Cryptopolitan, Hannah contribuisce alla pagina delle notizie, riportando e analizzando gli ultimi sviluppi nei settori DeFi, RWA, regolamentazione crypto, intelligenza artificiale e tecnologie emergenti. Si è laureata all'Arcadia University con una laurea in Amministrazione Aziendale.
