Oggi, grandi risorse vengono utilizzate per fornire alle navi nei mari polari avvisi sulla diffusione del ghiaccio marino. L'intelligenza artificiale può rendere questi avvisi più economici, Più veloce, e disponibile per tutti.

Per le navi che viaggiano nei mari polari, mantenere il controllo della diffusione del ghiaccio marino è fondamentale, il che significa che vengono spese grandi risorse per raccogliere dati e determinare sviluppi futuri per fornire avvisi affidabili sul ghiaccio marino.

"Al momento, sono necessarie grandi risorse per creare questi avvertimenti sul ghiaccio, e la maggior parte di essi sono realizzati dall'Istituto meteorologico norvegese e da centri simili, "dice Sindre Markus Fritzner, un ricercatore di dottorato presso l'UiT The Arctic University of Norway.

È impiegato presso il Dipartimento di Fisica e Tecnologia e ha recentemente presentato una tesi di dottorato in cui ha esaminato la possibilità di utilizzare l'intelligenza artificiale per rendere più veloci gli avvisi di ghiaccio, meglio, e più accessibili di quanto lo siano oggi.

Ha bisogno di supercomputer

Gli avvisi di ghiaccio utilizzati oggi sono tradizionalmente basati su modelli computerizzati dinamici alimentati con osservazioni satellitari della copertura di ghiaccio, e tutti i dati aggiornati che possono essere raccolti sullo spessore del ghiaccio e l'altezza della neve. Questo genera una notevole quantità di dati, che poi deve essere elaborato da potenti supercomputer per fornire calcoli.

"I modelli dinamici sono modelli fisici e richiedono l'elaborazione di molti dati. Se hai intenzione di inviare avvisi su eventi futuri, devi usare un supercomputer, " spiega Fritzner.

Questa è una risorsa limitata e costosa, il che rende impossibile fare questi avvertimenti senza l'accesso alle risorse giuste.

L'intelligenza artificiale rende i calcoli accessibili su un normale laptop

Fritzner ha esaminato come l'intelligenza artificiale può essere utilizzata per fornire questi avvisi di ghiaccio marino più velocemente, meglio, e più economico che mai, su un normale laptop.

L'apprendimento automatico è un campo specializzato all'interno dell'intelligenza artificiale, dove vengono utilizzati metodi statistici per consentire ai computer di trovare modelli e coerenze in grandi insiemi di dati. La macchina impara invece di essere programmata, e tutto si riduce allo sviluppo di algoritmi che consentano ai computer di apprendere e fare calcoli, sulla base di dati empirici.

Nel lavoro di Fritzner, Per esempio, ha caricato i dati per vedere come si svolgerà una settimana specifica, e poi i dati per come apparirà una settimana dopo.

"Così, è la coerenza nello sviluppo tra queste settimane che le macchine imparano da sole, e in questo modo può prevedere come si evolve, "dice Fritzner.

Quando completamente sviluppato, un tale algoritmo richiederà molta meno potenza di calcolo rispetto al modello fisico tradizionale.

"Se usi l'intelligenza artificiale e hai un modello completamente addestrato, puoi eseguire un tale calcolo su un normale laptop, "dice Fritzner.

Ogni nave può fare calcoli da sola

Questo apre a diversi campi di utilizzo, uno di questi sono i bollettini meteorologici più precisi nell'estremo nord. Fritzner sottolinea inoltre che questo può essere utilizzato dall'industria navale che opera vicino alla zona marginale del ghiaccio, e che questa è una forma di traffico che non farà che aumentare.

"Un esempio è il traffico crocieristico, dove sarà molto importante per le navi da crociera sapere dove si trova il ghiaccio, e dove si sposterà nei prossimi due giorni, "dice Fritzner.

Così com'è, i modelli ad alta risoluzione non possono essere eseguiti sull'imbarcazione. Devono contattare l'Istituto meteorologico norvegese, che deve quindi eseguire il modello su un supercomputer prima di trasmettere i dati alla nave.

"Se sei su una nave nel mare di Barents, devi essere connesso a una rete per scaricare gli avvisi dall'Istituto meteorologico norvegese.

"Se dotato del programma giusto e dell'intelligenza artificiale, questo può essere fatto dalla nave stessa, con quasi nessuna potenza di calcolo richiesta, "dice Fritzner.

Più sviluppo necessario

Sebbene la ricerca finora sembri promettente, i risultati non sono ancora buoni come i metodi tradizionali, ma l'evoluzione dell'apprendimento automatico/intelligenza artificiale sta raggiungendo il pieno ritmo, e Fritzner non ha dubbi sul suo potenziale.

"Le esperienze finora sono buone, ma non perfetto. Quello che ho notato quando ho confrontato l'apprendimento automatico e i modelli fisici tradizionali è che erano molto più veloci, e finché i cambiamenti nel ghiaccio erano piccoli, l'apprendimento automatico ha funzionato abbastanza bene. Quando i cambiamenti erano maggiori, con molto scioglimento, i modelli hanno lottato più dei modelli fisici, " spiega Fritzner.

Indica la sfida dei modelli che funzionano con l'intelligenza artificiale basandosi solo su dati storici, mentre i modelli fisici sono costantemente adattati a grandi cambiamenti geofisici come un aumento dello scioglimento e rapidi cambiamenti del tempo.

Nei suoi esperimenti, Fritzner usava dati come la temperatura, la concentrazione di ghiaccio marino, e temperatura del mare. Ritiene che la precisione possa essere aumentata aggiungendo più dati al modello in modo che disponga di un insieme più ampio di dati per gli avvisi che fornisce.

"Soprattutto se aggiungi vento e spessore del ghiaccio, il machine learning funzionerà molto meglio, " lui dice.

Crede che ulteriori ricerche e sviluppi libereranno il grande potenziale che risiede in questa forma di apprendimento automatico.