Vuoi conoscere il meteo? Chiedi all’intelligenza artificiale
Nemmeno trenta secondi dopo aver dato il comando “Elabora”, sullo schermo erano già apparse le previsioni del tempo globale per i dieci giorni a venire, facilmente consultabili e con un margine di errore ridotto di circa il 20% rispetto ai modelli fisici tradizionali.
FengWu, sistema di previsioni meteorologiche basato sull’intelligenza artificiale e rilasciato lo scorso aprile in Cina, è considerato al momento uno dei software più precisi nell’ambito dell’AI applicata al tempo atmosferico.
Secondo lo Shanghai Artificial Intelligence Laboratory, tra gli sviluppatori del progetto, il sistema ha potuto raggiungere questi risultati attraverso l’uso di algoritmi di deep learning capaci di elaborare enormi quantità di dati meteorologici in tempo reale.
Di fronte all’escalation di eventi climatici estremi, la richiesta di software di previsione più accurati ed efficienti è aumentata e l’intelligenza artificiale è stata una delle soluzioni su cui gli scienziati e gli esperti del settore hanno capito di poter contare.
I moderni metodi devono la loro esistenza all’avvento dei computer digitali negli anni ‘60 e ‘70, e si sono affinati col tempo al punto che oggi secondo l’Organizzazione meteorologica mondiale (Wmo) una previsione a distanza di cinque giorni è accurata quanto una di due giorni fatta 25 anni fa.
Questo miglioramento è dovuto in larga parte a computer più potenti (oltre che a sistemi di rilevamento più sofisticati), ma per quanto la tecnologia hardware possa svilupparsi esisterà sempre un limite a quanto lontano una previsione numerica sia in grado di guardare. L’atmosfera è straordinariamente sensibile anche ai più piccoli cambiamenti di temperatura o pressione, che possono trasformarsi nel corso di giorni in eventi meteorologici drasticamente diversi. Poiché nessuna misurazione può essere perfettamente accurata, non esiste una potenza di calcolo che possa in teoria risolvere questo problema.
Per colmare il gap è necessaria un’elaborazione che cerchi autonomamente schemi ricorrenti in enormi archivi di dati.
Il mercato è al momento dominato da investitori privati, che cercano di offrire previsioni basate sulle esigenze dei clienti.
Salient, una startup americana, utilizza un’intelligenza artificiale addestrata a riconoscere i modelli nei dati storici per produrre previsioni su scala stagionale, piuttosto che su giorni o settimane. Uno dei suoi fondatori, Ray Schmitt, ricercatore presso la Woods Hole Oceanographic Institution nel Massachusetts, ha portato alla luce l’enorme potenzialità dell’AI applicata alle previsioni: aveva teorizzato un legame tra la salinità dell’oceano intorno alla costa orientale dell’America in primavera e le precipitazioni nel Midwest dell’estate successiva.
L’analisi dei dati meteorologici fatta da Salient ha confermato la connessione, sebbene il meccanismo atmosferico preciso che c’è dietro rimanga poco chiaro.
Le simulazioni numeriche tradizionali si basano sul fatto che i loro programmatori abbiano una buona comprensione dei processi fisici che guidano il tempo, ma l’uso di un’intelligenza artificiale per individuare schemi ricorrenti può aiutare a produrre previsioni utili anche prima che la scienza sottostante ai fenomeni sia pienamente compresa.
L’AI ha già inoltre dimostrato essere particolarmente efficace nel cosiddetto nowcasting delle precipitazioni, riuscendo a prevedere con estrema precisione se pioverà o nevicherà in una determinata area a distanza di poche ore.
Un’applicazione che potrebbe salvare numerose vite, visto che negli ultimi 50 anni – secondo il Wmo – il 22% dei decessi e il 57% delle perdite economiche globali causati da disastri naturali sono stati il risultato di eventi di “precipitazioni estreme”.
