scenari

Cambiamenti climatici, cosa aspettarci dalle previsioni meteo con l’IA



Indirizzo copiato

I super-computer usati oggi calcolano il tempo dei giorni successivi sulla base delle condizioni attuali, delle leggi della fisica e di varie regole empiriche. A oggi, i sistemi di apprendimento automatico, possono più o meno eguagliare le loro previsioni. Come possiamo sfruttare al meglio le possibilità che la tecnologia ci offre?

Pubblicato il 14 set 2023

Luigi Mischitelli

Legal & Data Protection Specialist at Fondazione IRCCS Casa Sollievo della Sofferenza



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Pubblico e privato: il cambiamento climatico si combatte uniti




Con un mondo sempre più alle prese con repentini e imprevedibili cambiamenti climatici, è quanto mai cruciale puntare alla loro predittività con tutta la tecnologia a nostra disposizione.

È un’aspirazione che nasce ben prima dell’urgenza che viviamo negli ultimi decenni.

Clima, in principio fu il MANIAC I

Prendiamo, ad esempio, il MANIAC I (acronimo di “Mathematical Analyzer Numerical Integrator and Automatic Computer Model I”), un computer statunitense progettato dal genio di John von Neumann dopo la Seconda guerra mondiale presso Los Alamos e in grado di eseguire ben diecimila calcoli al secondo.

Questa straordinaria potenza venne applicata a due problemi principali: la modellazione delle esplosioni termonucleari e il clima terrestre. Erano le due applicazioni più importanti che i creatori della macchina potessero all’epoca immaginare. Per eseguire un numero di calcoli pari a quello che il computer più veloce di oggi è in grado di eseguire in un’ora, il MANIAC I impiegherebbe un tempo pari all’intera storia dell’universo, ossia quasi quattordici miliardi di anni! Tuttavia, per quanto le capacità dei moderni computer siano aumentate nel tempo, la loro capacità dedicata allo sviluppo di armamenti e al meteo non è variata enormemente.

E se i loro contributi in ambito militare sono ben poco percepiti all’esterno di tale settore, il loro lavoro sulla predittività delle condizioni meteorologiche presso i diversi centri di previsione meteo di tutto il mondo trova applicazione pratica quasi ovunque.

I benefici della predittività delle condizioni meteo

Secondo una ricerca della Banca Mondiale, i benefici della predittività delle condizioni meteo nel tempo ammontano a più di centosessanta miliardi di dollari all’anno. Il successo delle previsioni meteo, peraltro, può essere testimoniato da qualsiasi persona, poiché lo si avverte anche nel tessuto della vita quotidiana. Su nessuno smartphone mancano applicazioni meteo che riportano il sole, la pioggia, il vento o le nuvole. Oramai la meteorologia è alla portata di chiunque.

L’applicazione dell’apprendimento automatico (Machine Learning) e di altre forme di intelligenza artificiale miglioreranno sicuramente e ulteriormente le cose. I super-computer utilizzati oggi calcolano il tempo dei giorni successivi sulla base delle condizioni attuali, delle leggi della fisica e di varie regole empiriche, con migliaia di miliardi di calcoli effettuati con una grande facilità e velocità.

Cosa aspettarci dall’intelligenza artificiale

Ad ora, i sistemi di apprendimento automatico, addestrati semplicemente sui dati meteorologici passati, possono più o meno eguagliare le loro previsioni, almeno per alcuni aspetti. Inoltre, in alcuni casi l’approccio con l’intelligenza artificiale sembra in grado di rivelare aspetti del comportamento metereologico non raggiungibile con i soli calcoli della “macchina”. In futuro, è possibile che i costi più bassi dell’Intelligenza Artificiale attireranno nuovi operatori nel settore meteorologico. Ci si può aspettare che essi portino prodotti personalizzati per le esigenze dei clienti e nuove idee che aprano nuovi mercati e prospettive.

Per sfruttare al meglio le possibilità che la tecnologia ci offre, occorre fare alcune cose. Una è garantire che una sana concorrenza non eroda le infrastrutture di base. Le organizzazioni, per lo più governative, che dominano il PNL si impegnano molto per assimilare le osservazioni di tutto il mondo nelle rappresentazioni coerenti del tempo di cui hanno bisogno i loro modelli. I costi di questo lavoro possono essere ammortizzati vendendo previsioni di alto valore a mercati specializzati.

Per fare il loro lavoro al meglio, gli strumenti meteo basati sull’intelligenza artificiale dovranno essere addestrati sui dati contenuti in queste rappresentazioni. Ma il lavoro migliore sarà quasi certamente inferiore a quello attuale. È quindi necessario trovare un modo che permetta di essere “generosi” con i dati di cui si ha bisogno, affinché le risorse a disposizione (dati e contributi economici) non si esauriscano. Altrimenti si rischierebbe di mettere a repentaglio i sistemi meticolosamente messi a punto per trasformare l’osservazione e il calcolo in serie dei dati su cui il mondo intero fa affidamento (almeno per il momento).

La seconda cosa da fare è mettere insieme l’intelligenza artificiale con i numeri, al fine di affrontare al meglio il cambiamento climatico. Al momento non è possibile eseguire modelli climatici alla risoluzione utilizzata per le previsioni del tempo. Nuovi dispositivi “all’orizzonte”, per i sistemi di intelligenza artificiale, potrebbero portare un notevole aiuto al settore (il produttore statunitense tecnologico Nvidia è tra gli interessati). Inoltre, l’intelligenza artificiale potrebbe essere utilizzata per cercare modelli nelle proiezioni prodotte da essi, rendendoli più informativi, nonché potrebbe essere utilizzata come interfaccia per rendere le intuizioni degli esperti del settore più accessibili a tutti.

Conclusioni

Prima che questo diventi un problema (o, come si suol dire, che sia troppo tardi), è necessario migliorare l’accesso alla tecnologia in esame nel presente. Nel 2019 la Global Commission on Adaptation ha riferito che un preavviso di ventiquattro ore di un evento meteorologico distruttivo potrebbe ridurre i danni del trenta percento, mentre un investimento di ottocento milioni di dollari in sistemi di allerta precoce per i Paesi in via di sviluppo potrebbe prevenire perdite annuali di svariati miliardi di euro. Di conseguenza, l’Organizzazione meteorologica mondiale (parte dell’ONU) ha posto come priorità quella di fornire sistemi di allarmi precoci entro il 2027. E dato che tre persone su quattro nel mondo possiedono un telefono cellulare, bisogna puntare a sistemi di allerta che funzionino in tutti i paesi del mondo (anche se solo la metà di loro dispone di sistemi di allerta in caso di catastrofe).

Per rimediare a questa situazione non sono necessarie ulteriori scoperte, bensì solo investimenti “modesti”, una pianificazione dettagliata, una discussione mirata e una sufficiente determinazione politica per superare le inevitabili barriere istituzionali. Si tratta semplicemente di fare uno sforzo in più che possa salvare ogni anno migliaia di vite e milioni di euro in mezzi di sussistenza.


Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
AI IN AZIENDA
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x