Le previsioni del tempo hanno fatto molta strada. Una previsione a cinque giorni oggi è accurata quanto una previsione a tre giorni quarant’anni fa. Ma le previsioni a 10 giorni? È pur sempre un lancio di moneta, o un’opportunità se si è nel settore delle previsioni meteorologiche. Esistono due modi per prevedere meglio il meteo: misurarlo con maggiore accuratezza oppure descriverne il funzionamento con maggiori dettagli scientifici – scrive il New York Times.
WINDBORNE E LA RIVOLUZIONE DELL’IA METEOROLOGICA
Entra in scena WindBorne, una start-up di Palo Alto, in California. Quando il suo amministratore delegato, John Dean, guidava una Subaru malconcia nella Bay Area qualche anno fa, usando bombole di elio per lanciare palloni meteorologici di fronte a potenziali investitori, il piano dell’azienda era di fare la prima cosa possibile. I suoi palloni volano più a lungo della maggior parte delle altre aziende, raccogliendo più misurazioni di temperatura, umidità e altri indicatori nell’alta atmosfera per creare un quadro più preciso.
L’intelligenza artificiale ha permesso a WindBorne di fare anche la seconda cosa. Grazie ai progressi nel deep learning, le osservazioni raccolte dai palloni spaziali di WindBorne possono essere trasformate in un quadro più robusto del futuro. Questa combinazione potrebbe finalmente rendere le previsioni a lungo termine.
IL METEO COME FONTE DI DECISIONI ECONOMICHE
Le recenti alluvioni improvvise in Texas sottolineano che le vite umane sono a rischio a causa di eventi meteorologici estremi, resi più comuni dal cambiamento climatico. E i ricercatori hanno scoperto che i tempi di previsione più brevi dal 2009 hanno evitato centinaia di milioni di dollari di danni causati dagli uragani, per ogni tempesta.
Anche al di là degli eventi che fanno notizia, il meteo della prossima settimana ha implicazioni economiche. Aziende di ogni tipo guadagnano o perdono denaro in base alle previsioni: rivenditori al dettaglio con filiere di approvvigionamento estese, aziende energetiche che trasportano carburanti in tutto il paese, persino squadre di baseball che aspettano un rinvio per pioggia.
La buona notizia è che potremmo essere pronti a entrare in una nuova era d’oro per le previsioni meteorologiche basate sull’intelligenza artificiale. L’ondata di calore che ha bruciato la costa orientale il mese scorso? WindBorne afferma che il suo software l’ha segnalata per la prima volta con 15 giorni di anticipo, da due a quattro giorni prima delle previsioni concorrenti.
LA MINACCIA DEI TAGLI GOVERNATIVI
C’è però un problema. Queste nuove previsioni basate sul deep learning si basano su dati forniti gratuitamente da agenzie scientifiche pubbliche. Negli Stati Uniti, questo rapporto è minacciato dai pesanti tagli apportati dall’amministrazione Trump alla National Oceanic and Atmospheric Administration (NOAA) che ospita il Servizio Meteorologico Nazionale.
Ogni giorno, in oltre 100 stazioni meteorologiche negli Stati Uniti, un addetto del Servizio Meteorologico Nazionale riempie di elio un pallone di lattice e lo lancia per raccogliere dati atmosferici, finché non vola troppo alto e scoppia. Questi voli, iniziati negli anni ’30, sono stati ridotti a causa dei tagli al personale durante i caotici primi mesi della seconda amministrazione Trump.
ESTERNALIZZAZIONE E IDEOLOGIA
In tutti i settori governativi, dalla National Aeronautics and Space Administration al Pentagono, i funzionari nominati dall’amministrazione Trump hanno puntato a trasferire le capacità tecniche del governo al settore privato. Alcuni operatori del settore meteorologico – e alcuni repubblicani liberisti – considerano il lavoro di previsione della NOAA un candidato ideale per l’esternalizzazione e hanno chiesto che l’agenzia venga “smantellata”.
La NOAA è anche nel mirino dell’industria dei combustibili fossili perché i suoi scienziati contribuiscono a importanti ricerche sui cambiamenti climatici. La Casa Bianca ha proposto tagli di 2 miliardi di dollari all’agenzia, pari al 28% del suo bilancio. Alcuni imprenditori e meteorologi sostengono che questa visione binaria tra pubblico e privato rischia di compromettere la simbiosi reciprocamente vantaggiosa tra loro e il governo. […]
Con l’evoluzione della meteorologia, i governi si sono spesso trovati nella posizione migliore per assemblare i dati locali in un quadro nazionale e poi globale, con particolare attenzione al coordinamento e alla sicurezza pubblica. Ora il compito principale del Servizio Meteorologico Nazionale è mantenere e gestire modelli fisici dell’atmosfera – software che descrivono il meteo con precisi dettagli matematici – per generare previsioni.
COSTI E LIMITI DEL PRIVATO
Il settore privato, nel frattempo, personalizza i servizi di previsione per clienti specifici. Aziende come AccuWeather e Weather Company combinano dati pubblici con modelli proprietari e dati di terze parti per fornire prodotti previsionali per le emittenti televisive locali o per l’app meteo del telefono. Altre aziende vendono dati al National Weather Service stesso: alcune monitorano con boe, altre con satelliti. L’agenzia acquista persino le letture raccolte dagli aerei di linea.
Negli ultimi anni, il calo dei costi dei chip per computer e del cloud computing ha reso le aziende meno dipendenti dal governo, ma i costi sostenuti per far funzionare modelli basati sulla fisica su potenti supercomputer fanno sì che la maggior parte delle previsioni meteorologiche venga ancora effettuata dalle agenzie governative.
Alcuni dei dati mancanti derivanti dai recenti tagli della NOAA vengono sostituiti dalla flotta di palloni meteorologici di WindBorne, da cui il Servizio Meteorologico Nazionale acquista ogni mese le letture dei sensori. Il signor Dean, l’amministratore delegato, ha affermato che hanno raccolto la stessa quantità di dati dei palloni del Servizio Meteorologico Nazionale, con una frazione del budget.
Ma la maggior parte dei dati grezzi del National Weather Service proviene da sensori che il settore privato non è in grado di eguagliare, in particolare una rete di radar meteorologici e una costellazione di satelliti. E l’innovazione privata di WindBorne è ancora alimentata dalle osservazioni e dalle previsioni del NOAA.
I LIMITI DELL’IA
Nonostante tutto l’entusiasmo suscitato da queste nuove tecniche (anche Microsoft e Google dispongono di modelli meteorologici basati sull’intelligenza artificiale, così come l’Aeronautica Militare), queste hanno i loro limiti.
Matthew Chantry, matematico a capo del progetto operativo di previsioni meteorologiche basate sull’intelligenza artificiale presso il Centro Europeo per le Previsioni Meteorologiche a Medio Termine, ha affermato che il campo della meteorologia sta ancora cercando di capire quale sarebbe la relazione tra modelli basati sulla fisica e modelli basati sull’intelligenza artificiale. Il Servizio Meteorologico Nazionale (NSW), le cui previsioni sono rimaste indietro rispetto a quelle del Centro Europeo, non gestisce un proprio modello di previsione basato sull’intelligenza artificiale, ma collabora con aziende private per supportare il proprio lavoro.
I modelli di apprendimento profondo si sono dimostrati particolarmente utili per eventi complessi che risultano difficili da analizzare con modelli basati sulla fisica, come i percorsi degli uragani o dei fronti freddi sul Midwest, un luogo particolarmente difficile da prevedere a causa delle Montagne Rocciose.
I modelli fisici tendono ad essere più efficaci nell’analizzare i dettagli più minuti. Le previsioni basate sull’intelligenza artificiale coprono in genere aree di 60-130 chilometri quadrati. La maggior parte delle persone ha bisogno di conoscere le condizioni meteorologiche in un’area molto più piccola; i modelli fisici gestiti dal governo analizzano aree di circa 15 chilometri quadrati o meno. WindBorne ha rilevato forti piogge prima delle alluvioni in Texas, ma non nella quantità necessaria per emettere avvisi di evacuazione. L’obiettivo dell’azienda è raggiungere una risoluzione molto più ridotta negli anni a venire, ha affermato Todd Hutchinson, meteorologo capo di WindBorne. […]
CONSEGUENZE DEI TAGLI POLITICI
I tagli dell’amministrazione Trump hanno imposto anche un altro limite. Per ora, i modelli di previsione meteorologica basati sul deep learning rimangono dipendenti dai dati rilasciati dai modelli fisici delle agenzie meteorologiche pubbliche. Questi modelli disegnano un ampio universo di osservazioni su una griglia 3D con una frequenza fino a quattro volte al giorno, da cui i modelli di intelligenza artificiale possono apprendere. Il Dott. Keisler ha co-fondato Brightband, un’azienda che sta sviluppando un software in grado di integrare i dati delle osservazioni direttamente nei modelli di intelligenza artificiale, ma il suo lavoro è ancora agli inizi.
Dall’insediamento del Presidente Trump, i dipendenti della NOAA sono stati spinti a dimettersi, con conseguenti quasi 2.000 partenze. Sebbene il bilancio della Casa Bianca non riduca direttamente la spesa per le previsioni, taglia la spesa per i sistemi satellitari e radar, e il disegno di legge sulla politica interna recentemente approvato da Trump ha tagliato milioni di dollari di fondi rimanenti dell’amministrazione Biden per il miglioramento delle previsioni. Alcuni cambiamenti sembrano ideologici – la rimozione di un set di dati sugli eventi meteorologici estremi – mentre altri lasciano perplessi i meteorologi: la NOAA non distribuirà più i dati di un programma satellitare meteorologico militare statunitense, considerato vitale per il monitoraggio degli uragani.
(Estratto dalla rassegna stampa estera a cura di eprcomunicazione)
