I livelli di ozono nella troposfera terrestre (il livello più basso della nostra atmosfera) possono ora essere previsti con precisione fino a due settimane in anticipo, un notevole miglioramento rispetto ai sistemi attuali che possono prevedere con precisione i livelli di ozono solo con tre giorni di anticipo. Il nuovo sistema di intelligenza artificiale sviluppato nell'Air Quality Forecasting and Modeling Lab dell'Università di Houston potrebbe portare a modi migliori per controllare i problemi di ozono elevato e persino contribuire a soluzioni per i problemi del cambiamento climatico.

"È stato molto impegnativo. Nessuno lo aveva fatto in precedenza. Credo che siamo i primi a provare a prevedere i livelli di ozono superficiale con due settimane di anticipo, " disse Yunsoo Choi, professore di chimica atmosferica e deep learning AI presso il College of Natural Sciences and Mathematics dell'UH. I risultati sono pubblicati online sulla rivista scientifica, Rapporti scientifici .

Ozono, un gas incolore, è utile nel posto e nella quantità giusti. Come parte della stratosfera terrestre ("lo strato di ozono"), protegge filtrando i raggi UV del sole. Ma quando ci sono alte concentrazioni di ozono vicino alla superficie terrestre, è tossico per i polmoni e il cuore.

"L'ozono è un inquinante secondario, e può influenzare negativamente gli esseri umani, " ha spiegato il dottorando Alqamah Sayeed, un ricercatore nel laboratorio di Choi e il primo autore del documento di ricerca. L'esposizione può causare irritazione alla gola, problemi di respirazione, asma, anche danni respiratori. Alcune persone sono particolarmente suscettibili, compresi i giovanissimi, anziani e malati cronici.

I livelli di ozono sono diventati una parte frequente dei bollettini meteorologici giornalieri. Ma a differenza delle previsioni del tempo, che può essere ragionevolmente preciso fino a 14 giorni prima, i livelli di ozono sono stati previsti solo con due o tre giorni di anticipo, fino a questa svolta.

Il grande miglioramento delle previsioni è solo una parte della storia di questa nuova ricerca. L'altro è come la squadra lo ha realizzato. La previsione convenzionale utilizza un modello numerico, il che significa che la ricerca si basa su equazioni per il movimento di gas e fluidi nell'atmosfera.

I limiti erano evidenti per Choi e il suo team. Il processo numerico è lento, rendendo i risultati costosi da ottenere, e la precisione è limitata. "La precisione con il modello numerico inizia a calare dopo i primi tre giorni, " disse Choi.

Il team di ricerca ha utilizzato una funzione di perdita unica nello sviluppo dell'algoritmo di apprendimento automatico. Una funzione di perdita aiuta nell'ottimizzazione del modello AI mappando la decisione ai costi associati. In questo progetto, i ricercatori hanno utilizzato l'indice di accordo, noto come IOA, come funzione di perdita per il modello AI rispetto alle funzioni di perdita convenzionali. IOA è un confronto matematico dei divari tra ciò che ci si aspetta e come le cose effettivamente vanno a finire.

In altre parole, i membri del team hanno aggiunto dati storici sull'ozono alle prove man mano che affinavano gradualmente le reazioni del programma. La combinazione del modello numerico e dell'IOA come funzione di perdita alla fine ha consentito all'algoritmo di intelligenza artificiale di prevedere con precisione i risultati delle condizioni dell'ozono nella vita reale riconoscendo ciò che è accaduto prima in situazioni simili. È molto simile a come viene costruita la memoria umana.

"Pensa a un ragazzo che vede una tazza di tè caldo su un tavolo e cerca di toccarla per curiosità. Nel momento in cui il bambino tocca la tazza, si rende conto che è caldo e non dovrebbe essere toccato direttamente. Attraverso quell'esperienza, il bambino ha allenato la sua mente, " Sayeed ha detto. "In un senso molto semplice, è lo stesso con l'IA. Tu fornisci input, il computer ti dà l'output. Su molte ripetizioni e correzioni, il processo si affina nel tempo, e il programma AI arriva a "sapere" come reagire alle condizioni che sono state presentate in precedenza. A livello di base, l'intelligenza artificiale si sviluppa nello stesso modo in cui il bambino ha imparato a non avere tanta fretta di prendere la prossima tazza di tè caldo."

Nel laboratorio, il team ha utilizzato da quattro a cinque anni di dati sull'ozono in quello che Sayeed ha descritto come "un processo in evoluzione" per insegnare al sistema di intelligenza artificiale a riconoscere le condizioni dell'ozono e stimare le previsioni, migliorando nel tempo.

"Applicare il deep learning alla qualità dell'aria e alle previsioni del tempo è come cercare il Santo Graal, proprio come nei film, " disse Choi, che è un grande fan delle trame d'azione. "Nel laboratorio, abbiamo attraversato momenti difficili per alcuni anni. C'è un processo. Finalmente, abbiamo afferrato il Santo Graal. Questo sistema funziona. Il modello AI "capisce" come fare previsioni. Nonostante gli anni di lavoro, in qualche modo mi sembra ancora una sorpresa, anche oggi».

Prima che il successo in laboratorio possa portare a un servizio reale, molti passi commerciali sono avanti prima che il mondo possa beneficiare della scoperta.

"Se conosci il futuro, la qualità dell'aria in questo caso, puoi fare molte cose per la comunità. Questo può essere molto critico per questo pianeta. Chi lo sa? Forse possiamo capire come risolvere il problema del cambiamento climatico. il futuro potrebbe andare oltre le previsioni del tempo e dell'ozono e questo potrebbe aiutare a rendere il pianeta sicuro, " disse Choi.

Sembra un lieto fine per qualsiasi buona storia d'azione.