Stockholms Dagblad - L'IA apre anche alle previsioni meteo stagionali a lungo termine

Stockholm -
L'IA apre anche alle previsioni meteo stagionali a lungo termine
L'IA apre anche alle previsioni meteo stagionali a lungo termine

L'IA apre anche alle previsioni meteo stagionali a lungo termine

Prestazioni pari ai metodi attuali ma non per gli eventi estremi

Dimensione del testo:

Dopo aver dimostrato le sue capacità con le previsioni meteorologiche a breve e medio termine, l'Intelligenza Artificiale fa un altro passo verso la prossima generazione di servizi meteo aprendo anche alle previsioni stagionali più a lungo termine, che mirano a offrire informazioni sui tre mesi successivi: nello studio guidato dal Centro di ricerca Hadley sul clima del Met Office britannico e pubblicato sulla rivista Npj Climate and Atmospheric Science, il modello di IA chiamato Ace2 dell'Istituto Allen americano per l'Intelligenza Artificiale ha dimostrato di avere prestazioni paragonabili a quelle dei metodi classici usati attualmente usando una potenza di calcolo molto inferiore. Non in tutti i casi, però: sugli eventi estremi ha ancora difficoltà, e ciò vuol dire che fisica e IA dovranno andare a braccetto. Per valutare l'accuratezza di Ace2, i ricercatori guidati da Chris Kent l'hanno testata sulle previsioni di 23 inverni passati dell'emisfero settentrionale: i risultati sono stati simili, anche se non migliori, di quelli ottenuti con i classici metodi basati sulla fisica dell'atmosfera, ma sono emersi anche alcuni punti deboli. Ad esempio, le previsioni per l'inverno 2009-2010, che è stato particolarmente freddo in molte parti d'Europa, Italia compresa, hanno mostrato ancora un'importante differenza a scapito dell'IA. "L'inverno 2009-10 è stato eccezionale e rappresenta un banco di prova fondamentale per le previsioni - dice Adam Scaife, co-autore dello studio - ma senza la fisica di base dei modelli convenzionali, le soluzioni basate sull'IA hanno avuto difficoltà a prevedere questo caso più estremo. Sarà importante sfruttare i vantaggi di questi modelli di apprendimento automatico per accelerare i miglioramenti delle previsioni stagionali - prosegue Scaife - pur mantenendo il supporto dato dalla comprensione fisica dell'atmosfera".

P.Hedlund--StDgbl