L’intelligenza artificiale aiuta a svelare la complessità del clima, delle condizioni meteorologiche e dell’uso del territorio e a trovare soluzioni al cambiamento climatico. In che modo l’intelligenza artificiale può contribuire al cambiamento climatico?
Immagini generate dall'intelligenza artificiale basate su suggerimenti "tornado nelle zone rurali degli Stati Uniti del Midwest", "temporale con fulmini sulla città" e "campo di mais". Crediti: DALL-E (i primi due da sinistra) e Microsoft Bing Image Creator, suggeriti da Everett Hogrefe e Jayme DeLoss
storia di Jayme DeLosspubblicata il 31 agosto 2023
Immaginiamo di poter prevedere non solo forti tempeste a più di una settimana di distanza, ma anche come sarà il clima tra 50 anni e come le strategie di intervento potrebbero ridurre l’impatto del cambiamento climatico. I ricercatori della Colorado State University stanno sviluppando modi per fare tutte queste cose utilizzando uno strumento potente: l’intelligenza artificiale.
La professoressa di scienze atmosferiche Elizabeth Barnes utilizza l’apprendimento automatico, un sottoinsieme dell’intelligenza artificiale, per districare la complessità della scienza del clima. Il professor Russ Schumacher, climatologo statale del Colorado e direttore del Colorado Climate Center, ha guidato lo sviluppo di un modello di apprendimento automatico in grado di prevedere con precisione condizioni meteorologiche avverse da quattro a otto giorni in anticipo e ora viene utilizzato quotidianamente nelle operazioni del servizio meteorologico nazionale. E un team guidato dall’illustre professore universitario Keith Paustian del Dipartimento di scienze del suolo e delle colture porterà la competenza di fama mondiale nella quantificazione dei gas serra della CSU a un livello superiore, combinando i suoi punti di forza con quelli dell’apprendimento automatico.
Il gruppo di ricerca di Barnes utilizza l’apprendimento automatico per rilevare gli impatti dei cambiamenti climatici, prevedere il tempo e il clima nel futuro da poche settimane a decenni ed esplorare i potenziali risultati di ipotetiche strategie di intervento sul clima come la geoingegneria.
Il sistema climatico è incredibilmente complesso e coloro che lo studiano fanno affidamento su enormi quantità di dati. Barnes ha affermato che l’apprendimento automatico è lo strumento perfetto per gli scienziati del clima.
"Abbiamo sempre utilizzato i dati e cercato di evidenziare tutta la complessità del sistema climatico e renderlo comprensibile a un essere umano, e ora l'apprendimento automatico ci consente di andare ancora più in profondità e trovare relazioni ancora più complicate", ha affermato. . “Il punto in cui ci troviamo adesso sta ancora cercando di rendere le loro previsioni comprensibili agli esseri umani”.
Dati abbastanza dati, un modello di machine learning sufficientemente complesso può trovare schemi nel rumore e potenzialmente produrre previsioni accurate, ma Barnes è interessato all’intelligenza artificiale spiegabile, ovvero a capire come un modello di machine learning sia giunto alla conclusione che ha raggiunto. Paragona la decifrazione del processo del modello alla risoluzione di un labirinto iniziando dalla fine e lavorando all'indietro.
“Abbiamo sempre utilizzato i dati cercando di evidenziare tutta la complessità del sistema climatico e renderlo comprensibile a un essere umano, e ora l’apprendimento automatico ci consente di andare ancora più in profondità e trovare relazioni ancora più complicate. Il punto in cui ci troviamo adesso sta ancora cercando di rendere le loro previsioni comprensibili agli esseri umani”.
—Professoressa di scienze atmosferiche Elizabeth Barnes
“Se fa un buon lavoro e possiamo capire perché è stato in grado di farlo, allora impareremo effettivamente nuove scienze climatiche”, ha detto Barnes.
Il suo gruppo si concentra anche sull’intelligenza artificiale interpretabile, a volte chiamata intelligenza artificiale trasparente. Stanno partendo da zero, costruendo modelli di machine learning da zero, in modo che i modelli siano comprensibili alle persone in ogni fase del percorso.
"È un processo molto più lento e onestamente molto più difficile", ha detto Barnes, "ma il risultato è che quando fa una previsione, non devi chiederti: 'Perché ha fatto quella previsione?' Sai già perché."
Spiegabilità e interpretabilità sono due elementi che possono aiutare le persone a fidarsi dell’intelligenza artificiale, ma entrano in gioco molti altri fattori. Barnes, Imme Ebert-Uphoff, scienziata del Cooperative Institute for Research in the Atmosphere e professoressa presso il Dipartimento di ingegneria elettrica e informatica, e il professore di informatica Chuck Anderson stanno esplorando cosa sarà necessario per creare un'intelligenza artificiale affidabile per lo studio del tempo e del clima. . Sono partner dell’Institute for Research on Trustworthy AI in Weather, Climate, and Coastal Oceanography, finanziato dalla National Science Foundation e guidato dall’Università dell’Oklahoma.
Indietro: Centri di lavoro turbocompressi