Intelligenza artificiale:
una svolta nelle previsioni dei modelli climatici per l'adattamento
Aumentare moderatamente l'attuale risoluzione dei modelli (da 100 km a 10-50 km), ridurne al minimo gli errori e quantificarne le incertezze, grazie all'Intelligenza Artificiale: in un commento pubblicato su Nature Climate Change, un gruppo di scienziati climatici di spicco a livello internazionale, tra cui il presidente del CMCC Antonio Navarra e il direttore scientifico Giulio Boccaletti, definisce le priorità per il prossimo decennio per far progredire la modellistica climatica e le previsioni per un migliore adattamento ai cambiamenti climatici.
Ad oggi, i modelli climatici fronteggiano la sfida di offrire previsioni che, quantificando le incertezze, siano capaci di scendere al livello di dettaglio geografico desiderato da un numero crescente di soggetti che pianificano l'adattamento ai cambiamenti climatici, a partire dai decisori locali per arrivare al settore privato, che richiedono valutazioni dettagliate dei rischi a cui localmente si può andare incontro.
Si rende quindi necessaria una svolta nell'accuratezza e nella fruibilità delle previsioni climatiche, che gli autori del lavoro “Harnessing AI and computing to advance climate modelling and prediction” identificano nell’Intelligenza Artificiale. Il testo è stato pubblicato su Nature Climate Change da un gruppo di scienziati internazionali di spicco, tra i quali il Direttore Scientifico del CMCC Giulio Boccaletti e il Presidente CMCC e Professore all’Università di Bologna Antonio Navarra.
Un approccio proposto per una svolta nella modellistica climatica è quello di concentrarsi su modelli globali con risoluzione orizzontale di 1 km. Tuttavia, spiegano gli autori, sebbene i modelli a scala chilometrica siano stati definiti "gemelli digitali" della Terra, presentano ancora limiti e distorsioni simili ai modelli attuali e, per gli alti costi computazionali, impongono delle limitazioni alle dimensioni degli ensable di simulazione - ovvero il numero di modelli coinvolti - che ostacolano la quantificazione delle incertezze. Complessivamente non offrono quindi quella svolta nell'accuratezza che giustificherebbe l'accettazione delle limitazioni che impongono.
Piuttosto che dare priorità alla risoluzione su scala chilometrica, gli autori propongono un approccio incentrato sulla generazione di grandi insiemi di simulazioni a una risoluzione moderatamente elevata (10-50 km, da circa 100 km, che è lo standard attuale) che sfrutta i progressi dell'informatica e dell'Intelligenza Artificiale per imparare dai dati. Aumentando moderatamente la risoluzione globale e sfruttando ampiamente i dati osservativi e quelli simulati, questo approccio ha maggiori probabilità di raggiungere l'obiettivo della modellazione climatica per la valutazione del rischio, che prevede la minimizzazione degli errori del modello e la quantificazione delle incertezze grazie all’utilizzo di grandi ensemble, e ne consente un'adozione più ampia.
1.000 simulazioni con risoluzione di 10 km costano oggi quanto una simulazione con risoluzione di 1 km. “Anche se, con l'aumento delle prestazioni dei calcolatori, dovremo spingere la frontiera della risoluzione, nel prossimo decennio la modellistica climatica dovrà concentrarsi su risoluzioni comprese nell'intervallo 10-50 km” affermano gli autori. “È importante che i modelli climatici siano sviluppati in modo da poter essere utilizzati e migliorati attraverso iterazioni rapide, in un programma di ricerca globale e distribuito che non concentri le risorse nei pochi centri di ricerca che sarebbero necessari se l'attenzione si concentrasse sulla modellazione globale a scala chilometrica.”
La pubblicazione:
Schneider, T., Behera, S., Boccaletti, G. et al. Harnessing AI and computing to advance climate modelling and prediction. Nat. Clim. Chang. 13, 887–889 (2023). https://doi.org/10.1038/s41558-023-01769-3
.png)
