Clima estremo, eventi meteo disastrosi e AI
Viviamo un momento storico in cui il cambiamento climatico sta iniziando a mostrare il suo volto più minaccioso e distruttivo. Ogni anno cresce il numero delle vittime di eventi meteo estremi e con esse anche il volume e il valore dei danni materiali.
Cercare di tracciare gli spostamenti delle perturbazioni atmosferiche in maniera più precisa e dettagliata sicuramente potrebbe aiutare a ridurre sia il numero di decessi e feriti, sia l’ammontare dei danni a case, aziende, industrie e intere economie sul territorio.
L’intelligenza artificiale (AI) può dare una grossa mano in tal senso. Un esempio arriva dagli Stati Uniti, che nell’ultimo mese hanno fatto i conti con due uragani estremamente potenti e con elevata capacità distruttiva: Helene e Milton.
Centinaia le persone scomparse o decedute tra Georgia, Carolina del Nord, Tennessee orientale e Virginia meridionale per l’uragano Helene, e per il passaggio dell’uragano Milton in Florida, con milioni di famiglie senza energia elettrica e un danno economico complessivo che potrebbe essere pari o superare i 50 miliardi di dollari.
Secondo uno studio del World Weather Attribution, il tempo di “ripetibilità” di un evento come l’uragano Helene è passato da 130 a 53 anni. Il cambiamento climatico ha anche reso Helene il 10% più piovoso e ha rafforzato di 21 km/h la forza dei suoi venti, ossia dell’11%.
Questo significa anche che l’estremizzazione climatica in corso potrebbe rendere ancora più complicato prevedere questi fenomeni così intensi e prevenire gli effetti peggiori su persone e cose.
L’uragano Milton è passato da categoria 1 a 5 in sole 24 ore e l’AI l’aveva previsto
Per questo l’AI e altre tecnologie avanzate possono aiutare scienziati e professionisti della meteo in questo compito così difficile.
In un articolo pubblicato su fastcompany.com, il meteorologo e giornalista climatico, Eric Holthaus, ha spiegato che, proprio in occasione di questi due eventi meteo catastrofici, “lo strumento di AI RI sviluppato dall’Università del Wisconsin, è stato molto utile per tracciare lo sviluppo degli uragani per fasce orarie”.
“Questa AI permette di conoscere in anticipo la possibilità che un uragano accresca la propria potenza durante il suo viaggio dall’Oceano Atlantico verso la terraferma”, ha spiegato Holthaus, “ad un certo punto AI RI dava quasi il 100% di possibilità che Milton si rafforzasse e passasse da categoria 1 a categoria 5 in sole 24 ore. Una previsione che si è dimostrata poi esatta. Nessun uragano Atlantico in 175 anni di osservazione e raccolta dati si è rafforzato così velocemente come Milton”.
Previsioni meteo meno costose e socialmente più eque
Le previsioni del tempo sono sempre state costose e questo genera ancora forti disuguaglianze in termini economici: i governi dei paesi più ricchi, come gli Stati Uniti e l’Europa, spendono in media circa 25 dollari a cittadino per le previsioni del tempo, contro 1 dollaro all’anno dei paesi più poveri.
Tutto questo si traduce in previsioni meno accurate per le persone che hanno maggiori probabilità di essere impegnate in attività economiche molto sensibili alle variazioni climatiche e meteorologiche.
L’AI però potrebbe aiutare anche a rendere meno costose le previsioni del tempo e quindi a ridurre il solito gap che esiste tra economie avanzate ed emergenti.
I vantaggi dell’AI nelle previsioni meteo
Grazie alla sua capacità di analizzare grandi quantità di dati in tempi brevissimi, l’AI può individuare pattern e correlazioni complesse che sfuggono all’analisi umana. In particolare, i modelli di deep learning vengono addestrati su enormi dataset storici di dati meteorologici, consentendo di:
- aumentare la precisione delle previsioni: I modelli di IA possono prevedere con maggiore accuratezza l’intensità, la traiettoria e il momento esatto in cui si verificherà un evento meteorologico estremo;
- ridurre i tempi di previsione: L’IA permette di elaborare i dati molto più rapidamente, fornendo previsioni a brevissimo termine che possono salvare vite umane;
- migliorare la comprensione dei fenomeni atmosferici: Grazie all’analisi dei dati, i modelli di IA possono rivelare nuovi meccanismi che governano i fenomeni meteorologici, contribuendo a una migliore comprensione del clima.
L’impiego dell’AI nel prevedere i fenomeni meteo estremi in Italia
Il pensiero inevitabilmente corre a quanto accaduto in queste ultime ore e giorni in Emilia-Romagna, in particolare, ma anche in altre aree del Paese, come Toscana e Sicilia, investite da una forte perturbazione che purtroppo ha causato vittime e danni enormi a case, aziende, infrastrutture critiche e territori.
Sicuramente l’AI potrebbe trovare anche in Europa e ovviamente in Italia un’applicazione accelerata nel settore delle previsioni meteorologiche. Gli eventi meteo estremi in grado di causare vittime e danni materiali sono in drastico aumento e si impone alle istituzioni e ai centri di ricerca sia un impegno più serio e concreto nella transizione energetica pulita e nella riduzione delle emissioni inquinanti (alla base del surriscaldamento globale, a sua volta in grado di rendere gli eventi meteo più forti e distruttivi), sia un utilizzo più diffuso delle nuove tecnologie a livello predittivo.
Qualcosa che già si sta facendo per lo studio e la prevenzione dei fenomeni franosi, frutto del dissesto idro-geologico (e quindi anche degli eventi meteo estremi, oltre alla sciagurata azione dell’uomo), proprio in Emilia-Romagna con un progetto di ricerca dell’Università di Bologna.
Le recenti innovazioni nel campo del monitoraggio (sia satellitare che da terra) consentono un controllo del territorio prima impensabile, e gli sviluppi nell’AI permettono di progettare strumenti predittivi in grado di combinare dataset multipli e complessi.
Il progetto di ricerca intende applicare le tecniche più recenti di Intelligenza Artificiale per realizzare modelli previsionali data-driven.
Le sfide
Nonostante i grandi progressi, l’utilizzo dell’IA nelle previsioni meteorologiche presenta ancora alcune sfide piuttosto rilevanti.
Intanto la disponibilità dei dati. La qualità e la quantità dei dati sono fondamentali per addestrare i modelli di IA. In alcune regioni del mondo, la disponibilità di dati meteorologici è limitata.
Poi c’è la complessità dei fenomeni atmosferici. L’atmosfera è un sistema estremamente complesso e influenzato da numerosi fattori. Anche i modelli di IA più sofisticati possono commettere errori.
Infine possiamo citare come elemento critico l’interpretazione dei risultati prodotti dai modelli di IA, che hanno bisogno di essere interpretati da esperti meteorologi per fornire previsioni affidabili.
