In che modo questa intelligenza artificiale prevede gli eventi meteorologici locali estremi
Poiché il cambiamento climatico aumenta l'intensità e la frequenza degli eventi meteorologici estremi, la previsione non è mai stata così importante.
Un nuovo modello di apprendimento automatico potrebbe aumentare l'accuratezza delle previsioni meteorologiche locali, un progresso che potrebbe rivelarsi particolarmente rivoluzionario per i governi e le comunità a basso reddito.
Il problema è che lo sviluppo di previsioni regionali accurate è notoriamente difficile a causa della complessa fisica che guida le forti precipitazioni e gli eventi meteorologici estremi. Le previsioni regionali richiedono supercomputer e professionisti locali qualificati, rendendole accessibili solo ai governi e alle comunità ricche.
Per risolvere questo problema, i data scientist e i ricercatori della startup ClimateAi hanno sviluppato un modello di apprendimento automatico che potrebbe democratizzare le previsioni regionali a un livello senza precedenti. Il modello corregge le distorsioni attualmente esistenti nei modelli meteorologici globali e offre previsioni locali accurate senza i tradizionali e costosi vincoli degli attuali sistemi di previsione.
La ricerca del team relativa al modello è stata sottoposta a un'ampia revisione paritaria e sarà pubblicata alla 25a Conferenza internazionale sull' intelligenza artificiale e la statistica (AISTATS) alla fine di marzo.
Al centro della sfida, a quanto pare, c'è una questione di risoluzione. Le previsioni meteorologiche tradizionali per diversi giorni a venire sono molto approssimative nella risoluzione e quindi non catturano gli eventi estremi locali. Un'alternativa che è stata utilizzata negli ultimi anni è quella di utilizzare le osservazioni in corso per prevedere il tempo locale fino a un paio d'ore.
L'utilità di tali previsioni è limitata quando si tratta di eventi meteorologici estremi. La soluzione è aumentare la risoluzione di quelle previsioni tradizionali, che sono abbastanza accurate.
Il dott. Stephan Rasp , Lead Data Scientist di ClimateAi, e Ilan Price dell'Università di Oxford hanno sviluppato un innovativo approccio di apprendimento automatico. Utilizza reti generative avversarie (GAN) addestrate sulle previsioni meteorologiche globali per correggere le distorsioni esistenti negli attuali modelli meteorologici. Il nuovo modello ridimensiona le previsioni globali per essere accurate come una previsione locale, senza richiedere le grandi quantità di risorse computazionali, finanziarie e umane precedentemente necessarie per una scala così piccola.
"Andando oltre la recente raffica di attività per migliorare i 'nowcast', il nostro nuovo modello raggiunge la stessa precisione per le previsioni all'orizzonte di diverse ore o giorni", ha osservato il dottor Rasp. "Adottando un duplice approccio, possiamo tenere conto degli errori sistematici nei modelli globali e aumentare la risoluzione delle previsioni in modo che gli estremi regionali siano catturati con precisione".
Rimuovendo i costosi vincoli degli attuali sistemi di previsione, inclusa la necessità di un meteorologo altamente qualificato che fornisca informazioni attraverso modelli complessi, questa nuova tecnica potrebbe essere un vantaggio per le comunità che non possono permettersi la tecnologia per previsioni locali ad alta risoluzione.
Come si presenta in pratica? ClimateAi suggerisce uno scenario in cui, piuttosto che confermare semplicemente una "probabilità del 40% di pioggia questa settimana" per un'intera regione, il nuovo modello consentirebbe agli utenti di rispondere facilmente a domande più utili come:
Qual è la probabilità che piova o non piova domani?
Dove pioverà esattamente?
Se piove, pioviggina dappertutto, si riverserà in un punto specifico o verserà in molti punti ma piovigginerà in altri?
I ricercatori sottolineano che le previsioni grossolane e su larga scala nascondono le risposte a queste domande.
"Le scoperte dell'intelligenza artificiale e dell'apprendimento automatico stanno cambiando le previsioni meteorologiche e i modelli meteorologici regionali ricchi di risorse potrebbero presto essere completamente sostituiti da approcci di apprendimento automatico", ha aggiunto il dottor Rasp. "Previsioni attuabili sosterranno le aziende e i governi che cercano di rendere le loro iniziative e operazioni a prova di clima".
Naturalmente, il nuovo modello è anche in linea con i più ampi obiettivi aziendali di ClimateAi di aiutare le aziende a gestire meglio il rischio climatico con informazioni fruibili. In un'epoca di crescenti condizioni meteorologiche estreme a causa del cambiamento climatico, l'azienda di San Francisco è posizionata per aiutare le catene di approvvigionamento a evitare costose interruzioni.