IA prevede quali cicloni si intensificheranno rapidamente

Roma – Un nuovo strumento basato sull’Intelligenza Artificiale è in grado di prevedere la rapida intensificazione (RI) dei cicloni tropicali (TC). È quanto emerge da uno studio guidato dall’Accademia Cinese delle Scienze e pubblicato su PNAS. La rapida intensificazione (RI) di un ciclone tropicale (TC), definita come un aumento massimo sostenuto del vento di almeno 13 metri al secondo (m/s) entro 24 ore, rimane uno dei fenomeni meteorologici più difficili da prevedere a causa della sua natura imprevedibile e distruttiva. Sebbene solo il 5 per cento dei TC subisca la RI, il suo sviluppo improvviso e grave pone rischi significativi per le regioni colpite. I metodi di previsione tradizionali, come la previsione meteorologica numerica e gli approcci statistici, spesso non riescono a considerare i complessi fattori ambientali e strutturali che guidano la RI. Sebbene l’intelligenza artificiale (IA) sia già stata valutata come mezzo per migliorare la previsione della RI, la maggior parte delle tecniche di IA ha lottato con alti tassi di falsi allarmi e un’affidabilità limitata. Per affrontare questo problema, i ricercatori dell’Istituto di oceanologia dell’Accademia cinese delle scienze (IOCAS) hanno sviluppato un nuovo modello per prevedere la IR dei TC basato sull'”apprendimento contrastivo”. Il nuovo modello ha due input: Input A, un campione TC RI noto, e Input B, un campione sconosciuto da prevedere. Estrae le caratteristiche da entrambi gli input e calcola la loro distanza in uno spazio ad alta dimensione. Se la distanza è piccola, Input B è previsto come TC RI; se è grande, è classificato come TC non RI. Ogni campione sconosciuto è confrontato con 10 campioni TC RI noti e se più di cinque dei confronti lo classificano come TC RI, viene quindi classificato come tale. Inoltre, questo studio utilizza immagini satellitari insieme a dati atmosferici e oceanici per bilanciare i dati TC RI e non-RI. Il modello impara a distinguere tra TC RI e non-RI confrontando i due input durante l’addestramento. Testato sui dati del Pacifico nordoccidentale tra il 2020 e il 2021, il metodo ha raggiunto un’incredibile accuratezza del 92,3 per cento e ridotto i falsi allarmi all’8,9 per cento. Rispetto alle tecniche esistenti, ha migliorato l’accuratezza del 12 per cento e ridotto i falsi allarmi di un fattore tre, rappresentando un importante progresso nelle previsioni. “Questo studio affronta le sfide della bassa accuratezza e degli alti tassi di falsi allarmi nelle previsioni RI TC”, ha affermato il Prof. LI Xiaofeng, autore corrispondente. “Il nostro metodo migliora la comprensione di questi eventi estremi e supporta migliori difese contro i loro impatti devastanti”. (30Science.com)