AGI - L'intelligenza artificiale potrebbe contribuire a elaborare previsioni delle ondate di calore con diversi mesi di anticipo. A suggerirlo è uno studio, pubblicato sulla rivista Nature Communications Earth & Environment, condotto dagli scienziati del Centro Euro-Mediterraneo sui Cambiamenti Climatici (CMCC). Il team, guidato da Ronan McAdam, ha ideato un framework di selezione delle caratteristiche basato sull'ottimizzazione che identifica la combinazione ottimale di variabili atmosferiche, oceaniche e terrestri per prevedere la probabilità di ondate di calore in Europa.
Le ondate di calore, spiegano gli scienziati, hanno effetti devastanti, che comprendono perdite agricole, picchi di consumo energetico, crisi sanitarie e aumento della mortalità. I recenti eventi verificatisi nel 2003, 2010 e 2022 sottolineano l'urgente necessità di sviluppare sistemi di allerta precoce che possano contribuire ad attenuare gli impatti di questi fenomeni. Utilizzando tecniche di apprendimento automatico, l'approccio proposto dal gruppo di ricerca analizza circa 2.000 potenziali fattori predittivi per selezionare le combinazioni più o meno plausibili per ogni area geografica.
L'algoritmo eguaglia, e in alcuni casi supera, i modelli predittivi attualmente disponibili. Il lavoro, commentano gli esperti, evidenzia che le tecniche di apprendimento automatico e intelligenza artificiale possono rivoluzionare la climatologia, consentendo previsioni più accurate ed economiche rispetto agli approcci tradizionali.
"I nostri risultati - afferma McAdam - dimostrano l'utilità dell'apprendimento automatico nella previsione di eventi estremi, ma questo è solo un primo passo per definire strategie mirate a ottenere risultati interpretabili e fisicamente significativi". Il sistema, riportano gli autori, fornisce previsioni affidabili del caldo estremo con mesi d'anticipo, il che consente di adottare misure proattive per ridurre l'impatto delle ondate di calore sulla società e sull'economia.
"Il nostro lavoro - conclude McAdam - apre nuove possibilità per i servizi climatici in settori quali agricoltura, sanità pubblica, gestione energetica e pianificazione delle emergenze, oltre a creare l'opportunità di combinare gli approcci di apprendimento automatico con il sistema dinamico sviluppato, sfruttando così i punti di forza di entrambi gli approcci".