Un team di ricercatori ha recentemente progettato un modello di intelligenza artificiale in grado di prevedere fenomeni oceanici che si estendono per centinaia di miglia / chilometri, come le onde di instabilità tropicale (TIW). Le onde di instabilità tropicale (TIW) sono un evento oceanico che si svolge all’interno dell’Oceano Pacifico, vicino all’equatore. Il Pacific TIW coinvolge il movimento di onde curve e triangolari che si muovono verso ovest lungo i bordi della lingua fredda del Pacifico tropicale – una regione dei tropici notevolmente più fredda dell’oceano che la circonda.
I fattori ambientali che danno origine al TIW sono straordinariamente complessi e il fenomeno è difficile da prevedere. La previsione del TIW è tradizionalmente fatta con modelli statistici e fisici complessi. Tuttavia, un team di ricercatori ha recentemente progettato un modello di intelligenza artificiale destinato a prevedere meglio i TIW e altri fenomeni oceanici.
Secondo Phys.org, il gruppo di ricerca era guidato dall’Istituto di Oceanologia dell’Accademia cinese delle scienze (IOCAS), il professor LI Xiaofeng, e il gruppo comprendeva anche membri di varie divisioni cinesi di scienze oceaniche come la Shanghai Ocean University e il Secondo Istituto di Oceanologia del Ministero delle risorse naturali. Il team ha utilizzato i dati satellitari per progettare un modello di apprendimento profondo inteso ad analizzare le onde di instabilità mentre si muovono per migliaia di chilometri attraverso l’oceano. Anche con i dati satellitari globali, i fattori ambientali che incidono sui fenomeni oceanici possono essere difficili da discernere, ma l’obiettivo è che i modelli di intelligenza artificiale possono fare un lavoro migliore nel decifrare queste variabili e fare previsioni rispetto ai modelli tradizionali.
Il modello di apprendimento profondo progettato dai ricercatori ha fatto uso dei dati sulla temperatura della superficie del mare raccolti dai satelliti, analizzando i modelli attuali e confrontandoli con i dati sulla temperatura della superficie raccolti negli anni passati. I ricercatori hanno formato e testato il modello su circa nove anni di dati. Quando i risultati sono stati analizzati, i ricercatori hanno scoperto che il modello era in grado di prevedere con precisione e coerenza la variazione della temperatura della superficie del mare e di conseguenza prevedere variazioni temporali e spaziali all’interno del TIW.
Lo studio implica che i modelli di intelligenza artificiale supportati da grandi set di dati possono essere modi affidabili per prevedere anche alcuni dei fenomeni più complessi negli oceani.
“Modelli basati sull’intelligenza artificiale, modelli statistici e modelli numerici tradizionali possono completarsi a vicenda e fornire una nuova prospettiva per lo studio di complicate caratteristiche oceaniche”, ha spiegato LI Xiaofeng secondo Phys.
Si spera che, poiché il modello sarà migliorato e perfezionato, contribuirà alla previsione di grandi onde e tempeste, che ha applicazioni pratiche per i sistemi di navigazione oceanica e la previsione di eventi meteorologici gravi che potrebbero danneggiare le città costiere. Questo tipo di ricerca è particolarmente preziosa in un mondo in cui i cambiamenti climatici stanno modificando il modo in cui le correnti oceaniche si muovono e interagiscono con l’ambiente circostante. La ricerca condotta da LI Xiaofeng e colleghi fa parte di una tendenza crescente all’utilizzo di algoritmi AI e dati satellitari per conoscere e prevedere il movimento delle correnti oceaniche e i relativi fenomeni.
Come altro esempio dell’IA utilizzata per tracciare e prevedere i fenomeni oceanici, all’inizio di quest’anno un team di ricercatori del Plymouth Marine Laboratory e dell’Università degli Studi dell’Egeo ha pubblicato uno studio che esamina come gli algoritmi di apprendimento automatico e i dati satellitari possono essere utilizzati per identificare aree di rifiuti di plastica concentrati e seguirne la diffusione.
Il team ha acquisito immagini satellitari di rifiuti di plastica e ha addestrato un sistema di identificazione delle immagini su di loro, con l’obiettivo di vedere se il sistema fosse in grado di discernere con precisione macchie di rifiuti di plastica da legno, alghe e altri oggetti galleggianti naturali. Secondo i risultati dello studio, l’algoritmo è stato in grado di identificare correttamente la spazzatura circa l’86% delle volte. I ricercatori vogliono migliorare il modello e creare un sistema che possa facilitare l’identificazione e la pulizia dei rifiuti di plastica lungo le coste e i fiumi.
