I ricercatori stanno sviluppando un'intelligenza artificiale che potrebbe valutare i punti critici del cambiamento climatico. L'algoritmo di deep learning potrebbe fungere da sistema di allerta precoce contro il cambiamento climatico incontrollato.

Chris Bauch, professore di matematica applicata all'Università di Waterloo, è coautore di un recente documento di ricerca che riporta i risultati sul nuovo algoritmo di deep learning. La ricerca esamina le soglie oltre le quali si verifica un cambiamento rapido o irreversibile in un sistema, Ha detto Bauch. "Abbiamo scoperto che il nuovo algoritmo è stato in grado non solo di prevedere i punti critici in modo più accurato rispetto agli approcci esistenti, ma anche di fornire informazioni su quale tipo di stato si trova oltre il punto critico, " Bauch ha detto. "Molti di questi punti di non ritorno sono indesiderabili, e vorremmo prevenirli se possiamo."

Alcuni punti di svolta che sono spesso associati ai cambiamenti climatici in fuga includono lo scioglimento del permafrost artico, che potrebbe rilasciare grandi quantità di metano e stimolare un ulteriore rapido riscaldamento; rottura dei sistemi di correnti oceaniche, che potrebbe portare a cambiamenti quasi immediati nei modelli meteorologici; o la disintegrazione della calotta glaciale, che potrebbe portare a un rapido cambiamento del livello del mare.

L'approccio innovativo con questa IA, secondo i ricercatori, è che è stato programmato per apprendere non solo un tipo di punto di non ritorno, ma le caratteristiche dei punti di non ritorno in generale.

L'approccio trae la sua forza dall'ibridazione dell'intelligenza artificiale e delle teorie matematiche dei punti di non ritorno, realizzando più di quanto entrambi i metodi potrebbero da soli. Dopo aver addestrato l'IA su quello che caratterizzano come un "universo di possibili punti di non ritorno" che includeva circa 500, 000 modelli, i ricercatori lo hanno testato su specifici punti critici del mondo reale in vari sistemi, compresi campioni storici di carote climatiche.

"Il nostro metodo migliorato potrebbe sollevare bandiere rosse quando siamo vicini a un pericoloso punto di non ritorno, " disse Timothy Lenton, direttore del Global Systems Institute presso l'Università di Exeter e uno dei coautori dello studio. "Fornire una migliore allerta precoce dei punti critici del clima potrebbe aiutare le società ad adattarsi e ridurre la loro vulnerabilità a ciò che sta arrivando, anche se non possono evitarlo».

Il deep learning sta facendo passi da gigante nel riconoscimento e nella classificazione dei modelli, con i ricercatori che hanno, per la prima volta, ha convertito il rilevamento del punto critico in un problema di riconoscimento del modello. Questo viene fatto per cercare di rilevare i modelli che si verificano prima di un punto critico e ottenere un algoritmo di apprendimento automatico per dire se sta arrivando un punto critico.

"Le persone hanno familiarità con i punti critici nei sistemi climatici, ma ci sono punti di svolta in ecologia ed epidemiologia e anche nei mercati azionari, " ha detto Thomas Bury, un ricercatore post-dottorato presso la McGill University e un altro dei coautori del documento. "Quello che abbiamo imparato è che l'intelligenza artificiale è molto brava a rilevare le caratteristiche dei punti critici comuni a un'ampia varietà di sistemi complessi".

Il nuovo algoritmo di deep learning è un "punto di svolta per la capacità di anticipare grandi cambiamenti, compresi quelli associati al cambiamento climatico, " disse Madhur Anand, un altro dei ricercatori del progetto e direttore del Guelph Institute for Environmental Research.

Ora che la loro intelligenza artificiale ha appreso come funzionano i punti critici, il team sta lavorando alla fase successiva, ovvero fornirgli i dati per le tendenze contemporanee del cambiamento climatico. Ma Anand ha emesso una parola di cautela su ciò che potrebbe accadere con tale conoscenza.

"Ci dà sicuramente una marcia in più, " ha detto. "Ma naturalmente, dipende dall'umanità in termini di ciò che facciamo con questa conoscenza. Spero solo che queste nuove scoperte portino a un equo, cambiamento positivo".

Il documento "Apprendimento profondo per i segnali di allerta precoce dei punti di non ritorno, " di Bauch, Lento, Seppellire, Anand e i coautori R. I. Sujith, Induja Pavitran, e Marten Scheffer, è stato pubblicato sulla rivista Atti dell'Accademia Nazionale delle Scienze ( PNAS ).