Gli scienziati dell’Università di Washington, negli Stati Uniti, hanno utilizzato l’intelligenza artificiale per simulare il clima terrestre e le sue potenziali variazioni annuali fino a 1.000 anni nel futuro, al fine di prevedere meglio i cosiddetti eventi meteorologici estremi “da 100 anni”. Inoltre, il modello di intelligenza artificiale che stanno sviluppando impiega solo 12 ore per generare questa previsione a lungo termine, rispetto ai 90 giorni che impiegherebbe un supercomputer. “Stiamo sviluppando uno strumento che esamina la variabilità del nostro clima attuale per contribuire a rispondere a questa domanda persistente: un dato evento è un fenomeno naturale o no?”, ha affermato Dale Durran, professore di scienze atmosferiche e climatologiche presso l’Università di Washington.
Duran e l’ex studente laureato dell’Università di Washington Jonathan Weyn hanno collaborato con Microsoft Research più di cinque anni fa per esplorare come l’intelligenza artificiale potesse essere utilizzata per migliorare le previsioni meteorologiche. “Per addestrare un modello di intelligenza artificiale, è necessario fornirgli tonnellate di dati”, ha affermato Durran. “Ma se si suddividono i dati storici disponibili per stagione, non si ottengono molti frammenti”.
La maggior parte dei set di dati globali risale solo al 1979 e questa carenza di dati storici è stata vista come una sfida per lo sviluppo di previsioni efficienti e accurate utilizzando l’intelligenza artificiale, poiché, sebbene ci siano molti giorni in questo periodo che possono essere utilizzati per l’addestramento delle previsioni giornaliere, non ci sono molte stagioni da utilizzare per la variabilità stagionale.
Il modello DLESyM (Deep Learning Earth SYstem Model) di Durran è stato addestrato per previsioni giornaliere, ma ha comunque imparato a catturare la variabilità stagionale.
“Siamo stati i primi ad applicare questo framework all’intelligenza artificiale e abbiamo scoperto che funzionava davvero bene”, ha affermato l’autore principale Nathaniel Cresswell-Clay, studente laureato in scienze atmosferiche e climatologiche presso l’Università del Wisconsin. “Presentiamo questo modello come una sfida per molti degli attuali presupposti che circondano l’intelligenza artificiale nella climatologia“.
Le caratteristiche di DLESyM
“Una sfida fondamentale per i modelli del Sistema Terra all’avanguardia, ad alta intensità di calcolo, è distinguere i segnali di riscaldamento globale dalla variabilità interannuale”, hanno scritto i ricercatori nel loro studio, presentando DLESyM come “un modello di apprendimento profondo parsimonioso che simula accuratamente il clima attuale della Terra su periodi di 1000 anni con un livellamento minimo e nessuna deriva. Le simulazioni DLESyM eguagliano o superano parametri chiave della variabilità stagionale e interannuale, come la ciclogenesi tropicale nell’intervallo di intensità osservate, il ciclo del monsone estivo indiano e la climatologia degli eventi di blocco alle medie latitudini, se confrontate con le simulazioni storiche di quattro modelli principali del sesto Climate Model Intercomparison Project”.
“DLESyM, addestrato sia su dati di rianalisi storica che su osservazioni satellitari, è un modello accurato e altamente efficiente del Sistema Terra accoppiato, che consente previsioni sub-stagionali e stagionali a lungo termine, utilizzando una frazione dell’energia e del tempo di calcolo richiesti dai modelli tradizionali”, affermano i ricercatori.
Lo studio è stato pubblicato sulla rivista AGU Advances.
L’articolo L’Università di Washington usa l’IA per simulare “1.000 anni del clima attuale in un solo giorno” sembra essere il primo su MeteoWeb.
