Dopo aver rivoluzionato le previsioni a breve e medio termine, l’intelligenza artificiale (IA) punta ora a conquistare un nuovo, ambizioso traguardo: le previsioni meteorologiche stagionali. Un recente studio, condotto dal Met Office britannico e pubblicato sulla rivista npj Climate and Atmospheric Science, ha messo alla prova un modello di IA, l’Ace2, dimostrando che le sue prestazioni sono paragonabili a quelle dei metodi tradizionali basati sulla fisica, ma con un notevole vantaggio in termini di efficienza.
Ace2 alla prova: Efficienza contro precisione
Il modello Ace2, sviluppato dall’Allen Institute for Artificial Intelligence, è stato testato su un periodo di 23 inverni passati nell’emisfero settentrionale. I risultati, guidati dal ricercatore Chris Kent, hanno confermato che il modello è in grado di fornire previsioni con un’accuratezza simile ai complessi sistemi attuali, utilizzando una potenza di calcolo significativamente inferiore. Questo apre la strada a una nuova generazione di servizi meteorologici più accessibili e veloci.
Il limite dell’IA: gli eventi estremi
Nonostante i risultati promettenti, lo studio ha evidenziato un limite cruciale per l’IA: la difficoltà nel prevedere gli eventi climatici estremi. L’esempio più lampante è stato l’inverno 2009-2010, particolarmente rigido in diverse parti d’Europa, inclusa l’Italia. In questo caso, il modello Ace2 ha mostrato significative imprecisioni rispetto alle previsioni tradizionali.
Il futuro è un ibrido: IA e fisica a braccetto
Adam Scaife, co-autore dello studio, sottolinea come l’eccezionalità dell’inverno 2009-2010 abbia rappresentato un banco di prova fondamentale, dimostrando che i modelli basati unicamente sull’IA hanno ancora difficoltà a gestire scenari non convenzionali. “Senza la fisica di base dei modelli convenzionali, le soluzioni basate sull’IA hanno avuto difficoltà a prevedere questo caso più estremo“, ha affermato Scaife.
La conclusione è chiara: il futuro delle previsioni stagionali non risiede in un’unica tecnologia, ma in un approccio ibrido. L’obiettivo sarà sfruttare i vantaggi dell’apprendimento automatico per accelerare i progressi, mantenendo al contempo il supporto e la precisione garantiti dalla comprensione fisica dell’atmosfera. L’unione di questi due approcci potrebbe portare a previsioni sempre più affidabili e dettagliate, offrendo un servizio di fondamentale importanza per l’agricoltura, l’energia e la pianificazione civile.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?