Judah Cohen, ricercatore del MIT, potrebbe innovare in maniera significativa il mondo delle previsioni meteorologiche invernali combinando decenni di studi sull’Artico con l’intelligenza artificiale.
Cohen progetta un modello, vincitore del concorso AI WeatherQuest 2025 per la stagione autunnale, che integra il riconoscimento di pattern tramitemachine learning con indicatori artici come copertura nevosa siberiana, temperature iniziali della stagione, estensione del ghiaccio marino e stabilità del vortice polare. Grazie a questi dati, il sistema ha anticipato settimane prima una possibile ondata di freddo a metà dicembre sulla costa orientale degli Stati Uniti, un risultato che segnala un progresso degno di nota nelle previsioni substagionali, tradizionalmente limitate a intervalli di due-sei settimane.
Cohen sottolinea come, in un anno caratterizzato da un ENSO debole, i segnali artici diventino particolarmente rilevanti. Le condizioni osservate in Siberia e nel Mare di Barents-Kara suggeriscono un vortice polare più debole, con possibili temperature sotto la norma in Eurasia e Nord America all’inizio della stagione.
L’integrazione dell’intelligenza artificiale consente maggiormente di anticipare eventi meteorologici di impatto, fornendo strumenti utili per trasporti, pianificazione energetica e sicurezza pubblica.
Leggi l’articolo completo: Decoding the Arctic to predict winter weather su web.mit.edu
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (06/12/2024).
