Intelligenza Artificiale e reti neurali per il futuro delle previsioni meteo-climatiche

Grazie all’intelligenza artificiale le previsioni meteo-climatiche diventeranno sempre più dettagliate, non soltanto con il fine di anticipare le condizioni del tempo, ma anche per valutarne l’impatto sul territorio e sulla rete socio-economica.

Dagli anni ’80 le previsioni meteorologiche fano affidamento su modelli fisico-matematici, che hanno migliorato sensibilmente l’affidabilità delle previsioni. Prima di allora, infatti, venivano realizzate attraverso il “metodo sinottico“, basato sulla competenza del meteorologo e sull’osservazione di quanto successo nelle ore precedenti: tale previsione permetteva di dare uno sguardo sulle condizioni meteo delle successive, con affidabilità massima di 24-48 ore. Con l’arrivo dei modelli, che attraverso complesse operazioni risolvono le equazioni che descrivono i principi fisici e simulano il comportamento futuro dell’atmosfera, la previsione riesce a spingersi più in là con un maggiore grado di affidabilità.

Ma per funzionare, i modelli devono compiere una mole incredibile di operazioni: per esempio, per prevedere il tempo sull’Italia, il campo di osservazione viene suddiviso in circa 2,5 milioni di parti, come una rete. In ognuna di queste parti il modello risolve circa 20 mila sistemi (ognuno dei quali declinato in 3000 operazioni semplici) per comprendere l’evoluzione del tempo da qui a 3 giorni. In pratica i modelli fisico-matematici, per realizzare le previsioni sul nostro Paese devono compiere 150 mila miliardi di operazioni. Un calcolo impossibile senza l’intervento della tecnologia.

Con il passare degli anni i sistemi di previsione stanno acquisendo ancora più dettagli e variabili, e in futuro potrebbero comprendere l’intelligenza artificiale e le reti neurali.

Verso il futuro delle previsioni meteo: Intelligenza Artificiale e reti neurali nel campo delle scienze dell’atmosfera

Nel 2021 solo il 6% delle aziende italiane ha fatto uso dell’AI secondo i dati eurostat. La Danimarca guida l’Europa con il 24% di aziende che adoperano l’AI, seguita da Portogallo (16%), Finlandia (16%): la media dei Paesi dell’Unione Europea si attesta intorno all’8%. L’intelligenza artificiale può essere utilizzata in molti campi, e per obiettivi diversi a seconda del settore.

Nel campo delle scienze dell’atmosfera, l’intelligenza artificiale e l’uso della rete neurale nei prossimi anni potrebbero affinare ulteriormente il processo di previsione meteorologica e climatica. L’uso dell’intelligenza artificiale e delle reti neurali in ambito meteo-climatico potrebbe infatti aiutarci a comprendere le complesse relazioni che intercorrono tra la circolazione atmosferica su larga scala e le diverse variabili ambientali. 

Le reti neurali artificiali sono dei modelli matematici di elaborazione dell’informazione che traggono ispirazione dal funzionamento del sistema nervoso degli organismi evoluti. Essi hanno quindi capacità di apprendimento (o addestramento), di generalizzazione, di adattamento e di tolleranza a informazioni poco precise o errate. In sintesi, elaborano informazioni in modo “intelligente”. Ecco qualche esempio pratico:

Meteo Expert effettua il “weather typing” con SOM (Self Organizing Maps) un algoritmo che realizza una rete neurale molto efficiente per l’esplorazione di grandi quantità di dati, il cui processo di apprendimento simula quello del cervello umano. Il suo utilizzo è utile per aggiornare e studiare la serie storica dei dodici tipi di circolazione giornalieri identificati sull’Europa centro-meridionale, per valutare a livello operativo l’abilità di diversi modelli globali di previsione meteorologica a prevederli nel breve-medio termine (fino a una settimana) e per indagare correlazioni tra tipi di circolazione osservati e previsti e qualità della previsione di alcune variabili meteorologiche, come temperatura e precipitazioni.

DeepMind, società controllata da Alphabet, recentemente ha sviluppato un modello previsionale di nowcasting, ossia per previsioni a brevissimo termine. Si chiama Deep Generative Model of Rain e utilizza i dati provenienti da radar ad altissima precisione e sfrutta l’apprendimento automatico per prevedere il tempo dei prossimi 5-90 minuti. Il risultato dei test realizzati è stato quindi pubblicato su Nature, e analizzato dai meteorologi del MetOffice, che hanno attribuito alle previsioni di DeepMind un’accuratezza dell’89% più elevata rispetto ai metodi attualmente in uso.

Ma non si tratta solo di prevedere il tempo. Grazie al machine learning, le previsioni atmosferiche potranno essere connesse a variabili climatiche, ambientali e socio-economiche, per valutare i rischi diretti sul territorio. In un futuro caratterizzato dall’aumento della frequenza e dell’intensità degli eventi meteo estremi, la valutazione del rischio risulta importantissimo per prevedere la vulnerabilità e l’esposizione del sistema socio-economico.