DeepMicroNet: il software di intelligenza artificiale per predire gli uragani
È proprio a poche settimane dal passaggio di Dorian (il potente uragano di fine agosto che ha devastato le Bahamas, facendo tremare anche gli Stati Uniti sud-orientali e il Canada atlantico) che l’Istituto Cooperativo per gli Studi Metereologici via Satellite (CIMSS) dell’Università del Wisconsin ha annunciato questa nuovissima applicazione di Intelligenza Artificiale. Finora il campo della meteorologia, però, non era stato ancora ben toccato dall’IA, quindi questi risultati hanno anche una grandissima valenza storica.
Come dichiarato dagli stessi ricercatori, ottenere successo nel campo della meteorologia non è solo il primo passo avanti per le applicazioni di intelligenza artificiale verso un nuovo campo ma consente anche di salvare notevoli vite umane. Spesso purtroppo si sente di centinaia e a volte anche migliaia di persone decedute a causa di fenomeni naturali. Col cambiamento climatico gli uragani e le trombe d’aria stanno diventando sempre più frequenti e anche potenti.
Da sempre la meteorologia è definita come una scienza probabilistica, in cui si effettuano delle supposizioni, degli studi statistico-probabilistici. Niente è certo ma con l’aiuto dell’intelligenza artificiale questi studi possono diventare più sicuri, si possono salvare più vite umane. Il vero punto interessante è come la predizione da parte del sistema sia fatta in tempi nettamente brevi.
DeepMicroNet: la CNN addestrata su immagini di cicloni tropicali
Il progetto è basato su una rete neurale convoluzionale: una rete con profondi strati interagenti per trovare pattern comuni dell’oggetto in esame. Il modello è stato addestrato utilizzando un database di immagini satellitari di uragani raccolte da ben 30 anni, misurando successivamente la componente a microonde dello spettro elettromagnetico.
La componente a microonde dello spettro elettromagnetico non è una misura molto utilizzata per stabilire l’entità di un uragano ma nonostante ciò DeepMicroNet ha raggiunto ottimi risultati. Gli attuali sistemi predittivi infatti sono basati su dataset di immagini provenienti dall’atmosfera, utilizzando sistemi ed equazioni derivati direttamente dalla fisica.
DeepMicroNet è riuscito a predire l’entità dei venti di un uragano, arrivando a predire un vento di 16 miglia orarie, contro gli attuali sistemi di predizione che hanno un valore massimo di 10 miglia orarie.
Dopo questi grandiosi risultati i ricercatori si sono posti tre domande:
- Comparare DeepMicroNet con gli attuali sistemi all’avanguardia.
- Controllare la significatività dei risultati e la loro importanza per l’avanzamento della meteorologia.
- Integrare le predizioni con nuovi metodi di misura che riuscissero a offrire sempre valori significativi.
Il successivo passo importante è stato fatto quando il modello è riuscito a ricostruire la storia dell’uragano. Sono state fornite all’algoritmo 50000 immagini satellitari e aeree dell’uragano misurate con una frequenze tra 37-89GHz (frequenze scelte appositamente per misurare accuratamente diverse strutture dell’uragano).
Dopo numerose fasi di train, l’algoritmo implementato in Python è riuscito a memorizzare diverse forme della struttura di un uragano. Successivamente si è tenuta la fase di test su 3000 immagini in cui DeepMicroNet ha precisamente stabilito l’intensità di ognuna di esse. Il sistema ha totalizzato un tempo di calcolo di 90 minuti, contro le settimane spese dagli altri sistemi predittivi attualmente usati.
Come dichiarato dal direttore del progetto, Anthony Wimmers, questo sistema ha dei pro e dei contro. È molto utile perché da una sola immagine è in grado di fornire tantissimi dati e caratteristiche dell’uragano ma dall’altro lato attualmente non abbiamo tutti gli strumenti fisici per interpretare al meglio questi dati. Infatti, il sistema di intelligenza artificiale cerca solo delle forme (pattern) e non c’è niente che controlli lo stato fisico dei risultati ottenuti.
La soluzione migliore sarebbe quindi quella di supportare gli attuali modelli predittivi basati sulla fisica con un modello di intelligenza artificiale. Quest’ultima potrebbe infatti analizzare in modo veloce ed accurato tutte le immagini catturate dai satelliti, rielaborarle per poi fornirle ai sistemi che troveranno dei significati fisici in esse.