Perché Aurora, l’IA di Microsoft per le previsioni ambientali, ha un passo in più

Si chiama Aurora ed è il sistema di Intelligenza artificiale sviluppato da Microsoft, in collaborazione con ricercatori e ricercatrici di diverse università, per migliorare l’accuratezza e l’efficienza delle previsioni ambientali. Queste ultime servono a fornire in anticipo informazioni sugli eventi meteorologici estremi (per esempio dove e quando si verificherà un ciclone, uno tsunami o un forte temporale), ma anche sulla qualità dell’aria, sulle correnti oceaniche, sull’estensione del ghiaccio marino.

I sistemi di previsione tradizionali si basano su modelli e calcoli complessi, che richiedono tempo e l’utilizzo di supercomputer molto energivori per essere effettuati. Secondo i risultati di uno studio pubblicato su Nature, Aurora consentirebbe invece di ottenere previsioni ambientali molto accurate, in tempi relativamente brevi e con uno sforzo computazionale decisamente più contenuto.

Più accurato e più rapido

Prevedere in anticipo la traiettoria di un ciclone (o di qualsiasi altro evento potenzialmente distruttivo) con un elevato grado di accuratezza spazio-temporale permette ovviamente di prendere le adeguate contromisure per limitare i danni e soprattutto per proteggere la popolazione. Una necessità sempre più attuale, con il clima che cambia e gli eventi meteorologici estremi che si verificano sempre più frequentemente.

Secondo quanto emerso dalla nuova ricerca, Aurora avrebbe superato i sistemi tradizionali su molti fronti: per esempio, il sistema di AI sarebbe stato più efficace nel 100% dei casi quando si è trattato di tracciare la traiettoria dei cicloni con cinque giorni di anticipo, e nel 92% dei casi quando è stato testato per lo stesso scopo ma con dieci giorni di anticipo.

Per fare un esempio concreto, nel 2023 il sistema Aurora sarebbe riuscito a prevedere correttamente e con quattro giorni di anticipo l’arrivo del ciclone Doksuri nella parte settentrionale delle Filippine. Le previsioni ufficiali avevano invece erroneamente localizzato il suo arrivo a largo della costa settentrionale di Taiwan.

“Quando abbiamo confrontato Aurora con le previsioni ufficiali di agenzie come il National Hurricane Center, la China Meteorological Administration e altre, in termini di prestazioni Aurora le ha superate tutte in diversi bacini del mondo”, spiega Paris Perdikaris, che ha coordinato lo studio ed è docente presso l’Università della Pennsylvania (Stati Uniti), oltre che membro del gruppo di ricerca AI for Science di Microsoft, con base ad Amsterdam (Paesi Bassi).

Come funziona il sistema Aurora

Il training di Aurora prevede due fasi, spiega Perdikaris. Prima di tutto, viene data in pasto al sistema una grande quantità di dati: per lo studio appena pubblicato, l’AI è stata addestrata su un milione di ore di dati geofisici diversi, fra cui velocità dei venti, umidità, composizione chimica dell’atmosfera, temperatura, e via dicendo. Questi dati provengono da analisi meteorologiche, ricostruzioni storiche di eventi verificatisi in passato, previsioni, simulazioni climatiche, e consentono di “insegnare” ad Aurora a prevedere in anticipo l’evoluzione delle variabili del sistema terrestre, per così dire.

Nella fase successiva il modello può essere adattato per eseguire compiti specifici, per esempio usare la composizione chimica dell’atmosfera per prevedere la qualità dell’aria, o i modelli di pressione associati ai fenomeni temporaleschi per tracciare le tempeste tropicali.

Il sistema di AI, spiegano i ricercatori, è in grado di ottenere previsioni più rapide perché apprende i pattern direttamente dalla grande mole di dati con cui viene addestrato, senza dover ricorrere a equazioni matematiche esplicite come fanno invece i modelli tradizionali.

Previsioni più accurate e anche più accessibili

La maggiore accuratezza, invece, dipenderebbe da diversi fattori, primo fra tutti il fatto che l’architettura della rete neurale è particolarmente adatta a catturare processi fisici complessi che si verificano simultaneamente e su scale diverse. Altro punto importante, sottolinea Perdikaris, è che il sistema Aurora è stato progettato per sfruttare le conoscenze acquisite in un certo settore (come le dinamiche atmosferiche utilizzate nelle previsioni meteorologiche) per migliorare le prestazioni predittive anche in altri domini (per esempio la capacità di prevedere la qualità dell’aria). “Questo apprendimento interdisciplinare è fondamentale”, enfatizza il ricercatore.

“L’aspetto più trasformativo [del nuovo sistema, nda] è la democratizzazione dell’accesso a previsioni di alta qualità - conclude - I sistemi tradizionali richiedono supercomputer e team specializzati, che li rendono inutilizzabili per molte comunità in tutto il mondo. Aurora può funzionare su un hardware modesto e allo stesso tempo eguagliare o superare le prestazioni dei modelli tradizionali”.