Jua sfida Google e Microsoft: l’AI per prevedere il meteo più precisa al mondo?
La startup svizzera Jua lancia EPT-2, il modello AI per il meteo che sfida Microsoft e Google con più precisione e meno consumo di energia e risorse computazionali.
Una piccola startup svizzera potrebbe aver appena scosso le fondamenta del mondo delle previsioni meteorologiche. Jua, fondata solo pochi anni fa, ha annunciato il lancio di EPT-2, un nuovo modello di previsione basato su intelligenza artificiale che, secondo dati indipendenti, supera i colossi del settore come Microsoft (Aurora) e Google DeepMind (Graphcast). Il modello, secondo quanto riportato in un report pubblicato oggi e in attesa di apparire su arXiv la prossima settimana, sarebbe il sistema più preciso e veloce attualmente disponibile per il forecasting su scala globale.
Più veloce e più preciso
I risultati diffusi da Jua mostrano che EPT-2 batte Microsoft Aurora in precisione sulle variabili chiave, come la velocità del vento a 10 metri e la temperatura dell’aria a 2 metri su un orizzonte di 10 giorni. Ma non solo: il sistema corre il 25% più veloce, consuma il 75% in meno di energia computazionale e ha ottenuto il punteggio d’errore più basso tra tutti i modelli testati, compresi i due migliori del Centro Europeo per le Previsioni a Medio Termine (ECMWF): ENS e IFS HRES.
A differenza dei tradizionali modelli meteorologici basati su equazioni fisiche complesse e supercomputer multimiliardari — come quelli di ECMWF o NOAA — i modelli AI come quello di Jua apprendono direttamente dai dati climatici. Questo consente previsioni più rapide e meno costose, senza sacrificare l’accuratezza. Ma, secondo il CEO Marvin Gabler, Jua fa ancora di più: “Mentre altri stanno applicando l’AI su sistemi legacy, noi abbiamo costruito una simulazione nativa della fisica atmosferica, capace di comprendere come si comporta davvero l’atmosfera terrestre.”
Il futuro del meteo passa dall’AI
La corsa alla meteorologia AI è in pieno fermento: Microsoft con Aurora, DeepMind con Graphcast e realtà emergenti come Tomorrow.io stanno cercando di ridefinire il modo in cui il mondo anticipa fenomeni atmosferici estremi, cruciali per agricoltura, energia e gestione delle catastrofi. Jua però, con solo 27 milioni di dollari raccolti in tre anni e un team snello, sembra aver trovato la combinazione perfetta tra prestazioni e leggerezza infrastrutturale, grazie anche al sostegno di fondi come 468 Capital e Future Energy Ventures.
Al momento Graphcast non è stato incluso nei test comparativi, ma Gabler si dice certo della superiorità del suo modello anche rispetto a quello di DeepMind. “Gli altri sono troppo lenti, troppo limitati o ancora legati a un’architettura obsoleta,” ha dichiarato.
