Da asporto chiave
- I modelli di intelligenza artificiale possono aiutare a prevedere i cambiamenti climatici, affermano gli esperti.
- Un nuovo strumento di intelligenza artificiale chiamato IceNet potrebbe consentire agli scienziati di prevedere con precisione la profondità del ghiaccio marino artico.
-
Anche l'IA e le analisi meteorologiche possono aiutare a combattere i cambiamenti climatici riducendo le emissioni nella catena di approvvigionamento.
Mentre aumentano le prove che il clima estremo di quest'estate è determinato dai cambiamenti climatici, l'intelligenza artificiale aiuta a prevedere dove cambieranno le condizioni.
Un nuovo strumento di intelligenza artificiale potrebbe consentire agli scienziati di prevedere con maggiore precisione i mesi futuri del ghiaccio marino artico. IceNet è accurato quasi al 95% nel prevedere se il ghiaccio marino sarà presente due mesi prima, affermano i ricercatori. È uno dei numerosi usi dell'IA nella previsione del cambiamento climatico.
"L'intelligenza artificiale ha notevolmente migliorato l'efficienza dell'esecuzione di modelli climatici complessi che storicamente sono stati intensivi dal punto di vista computazionale", ha detto a Lifewire Daniel Intolubbe-Chmil, analista di Harbour Research, in un'intervista via e-mail.
Niente ghiaccio, ghiaccio, bambino
IceNet sta lavorando alla formidabile sfida di fare previsioni accurate sul ghiaccio marino artico per la prossima stagione. I ricercatori hanno descritto come funziona IceNet in un recente articolo pubblicato sulla rivista Nature Communications.
"Le temperature dell'aria in prossimità della superficie nell'Artico sono aumentate da due a tre volte il tasso della media globale, un fenomeno noto come amplificazione artica, causato da diversi feedback positivi", hanno scritto i ricercatori nell'articolo. "L'aumento delle temperature ha svolto un ruolo chiave nella riduzione del ghiaccio marino artico, con l'estensione del ghiaccio marino di settembre ora intorno alla metà di quella del 1979, quando sono iniziate le misurazioni satellitari dell'Artico."
Il ghiaccio marino è difficile da prevedere a causa della sua complessa relazione con l'atmosfera sopra e l'oceano sotto, secondo gli autori dell'articolo. A differenza dei sistemi di previsione convenzionali che tentano di modellare direttamente le leggi della fisica, i ricercatori hanno progettato IceNet sulla base di un concetto chiamato deep learning. Attraverso questo approccio, il modello "impara" come il ghiaccio marino cambia da migliaia di anni di dati di simulazione climatica, insieme a decenni di dati di osservazione, per prevedere l'estensione del ghiaccio marino artico nei mesi futuri.
"L'Artico è una regione in prima linea nel cambiamento climatico e ha visto un riscaldamento sostanziale negli ultimi 40 anni", ha detto in una notizia l'autore principale del documento, Tom Andersson, uno scienziato di dati presso il BAS AI Lab pubblicazione. "IceNet ha il potenziale per colmare una lacuna urgente nella previsione del ghiaccio marino per gli sforzi di sostenibilità dell'Artico e funziona migliaia di volte più velocemente dei metodi tradizionali."
AI lancia una rete ampia
Anche altri simulatori di intelligenza artificiale tengono d'occhio i cambiamenti climatici. I ricercatori hanno sfruttato la tecnica Deep Emulator Network Search, ad esempio, per migliorare una simulazione sul modo in cui la fuliggine e gli aerosol riflettono e assorbono la luce solare. La ricerca ha rilevato che l'emulatore era 2 miliardi di volte più veloce e oltre il 99,999% identico alla loro simulazione fisica.
Anche l'intelligenza artificiale e l'analisi meteorologica possono aiutare a combattere i cambiamenti climatici riducendo le emissioni nella catena di approvvigionamento, ha dichiarato a Lifewire Renny Vandewege, vicepresidente della società di previsioni meteorologiche DTN in un'intervista via e-mail.
"Ad esempio, nel trasporto marittimo, l'instradamento ottimizzato per le condizioni meteorologiche può ridurre le emissioni fino al 4% e il consumo di carburante fino al 10% e l'instradamento meteorologico nell'industria aeronautica può prevenire inutili reindirizzamenti per evitare il m altempo, o girando intorno a un aeroporto in attesa di atterrare", ha detto.
Previsioni precise per le reti stradali possono ridurre il trattamento non necessario delle strade invernali, riducendo il numero di sostanze chimiche nocive, ha affermato Vandenwege.
"Invece di trattare un'intera carreggiata, gli addetti alla manutenzione stradale possono scegliere di trattare punti selezionati lungo una strada dove sono presenti tratti stradali con punti freddi, oppure possono decidere se il trattamento è necessario", ha aggiunto.
L'apprendimento automatico e i modelli di intelligenza artificiale vengono sempre più utilizzati per aiutare a comprendere le emissioni di CO2 e metano, ha detto a Lifewire in un'intervista via e-mail Marty Bell, chief science officer della società di previsioni meteorologiche WeatherFlow.
"I modelli stanno anche aumentando la nostra resilienza ai cambiamenti climatici, aiutandoci a modificare il nostro approccio alla produzione e all'utilizzo dell'energia", ha affermato Bell. "Mentre molte di queste applicazioni di intelligenza artificiale operano su larga scala sui sistemi di distribuzione dell'energia delle utenze, altre operano a livello domestico dove ML informa i modelli di intelligenza artificiale incorporati nei dispositivi Internet delle cose di tutti i giorni che gestiscono in modo più efficiente il consumo di energia in casa."
