L'IA migliora le previsioni meteorologiche: i ricercatori raddoppiano l'affidabilità delle previsioni da 2 a 6 settimane in anticipo

Le attuali previsioni meteorologiche sono relativamente affidabili per periodi fino a 10 giorni. Temperature, precipitazioni, vento e tempistiche dei singoli fenomeni meteorologici possono spesso essere previsti con ragionevole accuratezza.

Tuttavia, i sistemi di previsione esistenti incontrano difficoltà quando le previsioni si estendono all'orizzonte sub-stagionale, indicativamente da due a sei settimane. Su questo orizzonte temporale, le previsioni si concentrano maggiormente su probabilità, anomalie di temperatura, distribuzione delle precipitazioni e aumento del rischio di determinate condizioni meteorologiche.

Previsioni più accurate potrebbero offrire vantaggi significativi, in particolare per l'agricoltura. Gli agricoltori potrebbero prepararsi meglio a periodi di siccità o precipitazioni eccessive e adeguare di conseguenza i piani di semina, irrigazione, fertilizzazione e raccolta. Queste previsioni sono importanti anche per la gestione delle emergenze e la preparazione alle calamità.

I ricercatori del MIT stanno lavorando per migliorare l'accuratezza delle previsioni. Anziché limitarsi ad addestrare un modello di IA per ottenere previsioni migliori, usano l'IA per individuare errori ricorrenti o sistematici nei modelli di previsione esistenti che i loro sviluppatori non avevano precedentemente riconosciuto, per poi correggerli. Lo studio è stato pubblicato su Nature.

Dopo aver applicato il loro modello di apprendimento automatico al modello di riferimento tra quelli di previsione esistenti, i ricercatori sono riusciti a raddoppiare l'affidabilità delle previsioni per il periodo da due a sei settimane.

Hanno inoltre applicato la loro IA a modelli di previsione meno avanzati, riducendo significativamente il divario di prestazioni tra questi sistemi e il modello di punta. I ricercatori del MIT sperano di introdurre questa tecnica in tutto il mondo, in particolare nelle regioni in cui le allerte precoci sulle calamità naturali sono particolarmente importanti.