The Prague Post - L'IA apre anche alle previsioni meteo stagionali a lungo termine

EUR -
AED 4.115165
AFN 73.954852
ALL 92.030467
AMD 405.834352
ANG 2.006169
AOA 1027.531217
ARS 1708.653761
AUD 1.610035
AWG 2.019766
AZN 1.900304
BAM 1.956413
BBD 2.256507
BDT 137.94813
BGN 1.886356
BHD 0.42263
BIF 3374.592454
BMD 1.120536
BND 1.434549
BOB 13.449152
BRL 5.763804
BSD 1.120351
BTN 107.828291
BWP 15.455116
BYN 3.424473
BYR 21962.504722
BZD 2.253196
CAD 1.597257
CDF 2588.438362
CHF 0.931182
CLF 0.028049
CLP 1107.493149
CNY 7.512689
CNH 7.515636
COP 3707.730217
CRC 513.360786
CUC 1.120536
CUP 26.888422
CVE 110.303485
CZK 24.455676
DJF 199.504266
DKK 7.474597
DOP 67.321085
DZD 150.613522
EGP 58.768861
ERN 16.808039
ETB 182.998099
FJD 2.522665
FKP 0.846708
GBP 0.847209
GEL 2.918977
GGP 0.846708
GHS 13.169066
GIP 0.846708
GMD 82.357151
GNF 9856.438914
GTQ 8.564988
GYD 234.355492
HKD 8.7934
HNL 30.074419
HRK 7.534375
HTG 146.705949
HUF 367.724605
IDR 20072.60878
ILS 3.430807
IMP 0.846708
INR 107.929631
IQD 1467.659675
IRR 1957060.304482
ISK 136.996816
JEP 0.846708
JMD 177.755674
JOD 0.794464
JPY 177.25647
KES 145.401145
KGS 97.991397
KHR 4545.606246
KMF 490.794525
KPW 1008.482716
KRW 1505.832843
KWD 0.346604
KYD 0.933609
KZT 512.568251
LAK 25173.772172
LBP 100325.874696
LKR 370.339211
LRD 191.583424
LSL 18.660111
LTL 3.308651
LVL 0.677801
LYD 7.203385
MAD 11.184202
MDL 20.127663
MGA 4974.535842
MKD 61.591489
MMK 2352.516726
MNT 4029.539307
MOP 9.055898
MRU 44.949683
MUR 53.842264
MVR 17.323762
MWK 1942.699791
MXN 20.338725
MYR 4.579746
MZN 71.604729
NAD 18.659444
NGN 1487.814455
NIO 41.234387
NOK 10.759454
NPR 172.526036
NZD 2.004123
OMR 0.430847
PAB 1.120346
PEN 3.865649
PGK 5.075771
PHP 70.238509
PKR 310.31677
PLN 4.379351
PYG 6566.173742
QAR 4.095056
RON 5.336774
RSD 117.482593
RUB 95.33343
RWF 1654.747807
SAR 4.197942
SBD 9.05177
SCR 15.352971
SDG 674.00124
SEK 11.252316
SGD 1.434633
SHP 0.846039
SLE 27.601954
SLL 23497.069615
SOS 640.300544
SRD 42.369146
STD 23192.83192
STN 24.507676
SVC 9.80342
SYP 14569.208775
SZL 18.654843
THB 37.75066
TJS 10.312822
TMT 3.921876
TND 3.347749
TOP 2.697981
TRY 55.083869
TTD 7.594379
TWD 35.575001
TZS 2957.838444
UAH 50.494718
UGX 4503.571297
USD 1.120536
UYU 45.355015
UZS 13190.602204
VES 969.799386
VND 29137.296444
VUV 133.859416
WST 3.124739
XAF 655.957
XAG 0.018158
XAU 0.00026950375
XCD 3.028304
XCG 2.019123
XDR 0.792277
XOF 655.957
XPF 119.331742
YER 264.777339
ZAR 18.631594
ZMK 10086.159332
ZMW 22.098823
ZWL 360.81212
SSP 6401.164204
MXV 2.299779
L'IA apre anche alle previsioni meteo stagionali a lungo termine
L'IA apre anche alle previsioni meteo stagionali a lungo termine

L'IA apre anche alle previsioni meteo stagionali a lungo termine

Prestazioni pari ai metodi attuali ma non per gli eventi estremi

Dimensione del testo:

Dopo aver dimostrato le sue capacità con le previsioni meteorologiche a breve e medio termine, l'Intelligenza Artificiale fa un altro passo verso la prossima generazione di servizi meteo aprendo anche alle previsioni stagionali più a lungo termine, che mirano a offrire informazioni sui tre mesi successivi: nello studio guidato dal Centro di ricerca Hadley sul clima del Met Office britannico e pubblicato sulla rivista Npj Climate and Atmospheric Science, il modello di IA chiamato Ace2 dell'Istituto Allen americano per l'Intelligenza Artificiale ha dimostrato di avere prestazioni paragonabili a quelle dei metodi classici usati attualmente usando una potenza di calcolo molto inferiore. Non in tutti i casi, però: sugli eventi estremi ha ancora difficoltà, e ciò vuol dire che fisica e IA dovranno andare a braccetto. Per valutare l'accuratezza di Ace2, i ricercatori guidati da Chris Kent l'hanno testata sulle previsioni di 23 inverni passati dell'emisfero settentrionale: i risultati sono stati simili, anche se non migliori, di quelli ottenuti con i classici metodi basati sulla fisica dell'atmosfera, ma sono emersi anche alcuni punti deboli. Ad esempio, le previsioni per l'inverno 2009-2010, che è stato particolarmente freddo in molte parti d'Europa, Italia compresa, hanno mostrato ancora un'importante differenza a scapito dell'IA. "L'inverno 2009-10 è stato eccezionale e rappresenta un banco di prova fondamentale per le previsioni - dice Adam Scaife, co-autore dello studio - ma senza la fisica di base dei modelli convenzionali, le soluzioni basate sull'IA hanno avuto difficoltà a prevedere questo caso più estremo. Sarà importante sfruttare i vantaggi di questi modelli di apprendimento automatico per accelerare i miglioramenti delle previsioni stagionali - prosegue Scaife - pur mantenendo il supporto dato dalla comprensione fisica dell'atmosfera".

S.Janousek--TPP