Individuare gli errori del sistema precedente di previsione, correggerli e memorizzarli così da ripetere il processo corretto, per di più su un periodo più lungo. Questo è il principio alla base del nuovo sistema di intelligenza artificiale sviluppato dall’Università di Houston, messo a punto per le previsioni delle concentrazioni di ozono nella troposfera, la parte più bassa dell’atmosfera terrestre.

Un miglioramento che, oltre a una maggiore tempestività nei calcoli, permette previsioni accurate a 14 giorni di distanza, rispetto ai soli 3 dei sistemi attuali. Performance estendibile potenzialmente alla previsione delle concentrazioni superficiali di diversi inquinanti atmosferici.

Se da un lato lo strato di ozono rappresenta un filtro protettivo dai raggi ultravioletti del Sole, dall’altro alti livelli del gas negli strati inferiori della nostra atmosfera possono essere tossici e dannosi alla salute di esseri umani e animali. Oltre ad avere influenze negative anche sulla resa dei raccolti.

Per questi motivi, la concentrazione di ozono è ormai a tutti gli effetti un parametro frequente nei bollettini meteorologici, che però fino a oggi si basavano su sistemi con un’accuratezza molto limitata nel tempo. Il team di ricerca ha quindi preso in esame gli errori fatti dal modello numerico convenzionale nelle previsioni degli ultimi 5 anni.

È stata proprio questa la ‘palestra’ cui è stato sottoposto il sistema di intelligenza artificiale. Attraverso una funzione che ha calcolato la differenza tra la previsione del sistema convenzionale e il livello reale di ozono successivamente registrato, gli scienziati hanno costruito un algoritmo di apprendimento automatico. Definendo il cosiddetto indice di accordo, un correttore che dopo aver imparato gli errori dai dati storici permette costantemente il confronto matematico tra ciò che il sistema numerico convenzionale si aspetta a lungo termine e ciò che effettivamente si verifica nella realtà.

Il correttore ha così annullato quell’incertezza inevitabile di un modello tradizionale basato su parametri fisici e chimici, con la conseguenza di sovrastime o sottostime della concentrazione di ozono.

La combinazione del modello numerico e del correttore ha permesso così all’algoritmo di prevedere accuratamente i livelli reali di ozono, riconoscendo ciò che è successo prima in situazioni simili e correggendo l’errore.

«Nel corso di molte ripetizioni e correzioni, – ha affermato Alqamah Sayeed, primo autore dello studio – il processo si affina nel tempo. A un livello di base, l’intelligenza artificiale si sviluppa nello stesso modo in cui un bambino impara a non prendere subito la tazza di tè caldo con cui in passato si è già bruciato».