Modelele de inteligență artificială ajută la prezicerea valurilor tropicale mari și a curenților oceanici

O echipă de cercetători a proiectat recent un model de inteligență artificială capabil să prevadă fenomene oceanice care se întind pe sute de mile/kilometri, cum ar fi valurile de instabilitate tropicală (TIW). Valurile de instabilitate tropicală (TIW) sunt un eveniment oceanic care are loc în Oceanul Pacific, lângă ecuator. Valurile de instabilitate tropicală din Pacific implică mișcarea unor valuri curbate, triunghiulare care se deplasează spre vest de-a lungul marginilor limbii reci a Pacificului tropical – o regiune a tropicelor remarcată pentru temperatura mai scăzută decât a oceanului din jurul ei.

Factorii de mediu care duc la apariția TIW sunt extraordinar de complexi și fenomenul este greu de prevăzut. Prezicerea TIW se face în mod tradițional cu modele statistice și fizice complexe. Cu toate acestea, o echipă de cercetători a proiectat recent un model de inteligență artificială destinat să prevadă mai bine TIW și alte fenomene oceanice.

Conform Phys.org, echipa de cercetători a fost condusă de profesorul LI Xiaofeng de la Institutul de Oceanologie al Academiei Chineze de Științe (IOCAS), iar echipa a inclus și membri din diverse divizii chineze de științe oceanice, cum ar fi Universitatea Oceanică din Shanghai și al Doilea Institut de Oceanologie al Ministerului Resurselor Naturale. Echipa a folosit date de satelit pentru a proiecta un model de învățare profundă destinat să analizeze valurile de instabilitate pe măsură ce se deplasează pe mii de kilometri prin ocean. Chiar și cu date de satelit globale, factorii de mediu care afectează fenomenele oceanice pot fi greu de descifrat, dar scopul este ca modelele de inteligență artificială să poată face o treabă mai bună de a descifra aceste variabile și de a face previziuni decât modelele tradiționale.

Modelul de învățare profundă proiectat de cercetători a folosit date de temperatură a suprafeței mării colectate de sateliți, analizând modelele curentului și contrastându-le cu datele de temperatură a suprafeței mării colectate în anii precedenți. Cercetătorii au antrenat și testat modelul pe aproximativ nouă ani de date. Când s-au analizat rezultatele, cercetătorii au constatat că modelul a fost capabil să prevadă cu acuratețe și consecvent schimbarea temperaturii suprafeței mării și să prevadă variațiile temporale și spațiale în cadrul TIW.

Studiul sugerează că modelele de inteligență artificială sprijinite de seturi de date mari pot fi modalități fiabile de a prezice chiar și unele dintre cele mai complexe fenomene din oceane.

“Modelele bazate pe inteligență artificială, modelele statistice și modelele numerice tradiționale pot completa una alte și pot oferi o perspectivă nouă pentru studierea caracteristicilor oceanice complicate”, a explicat LI Xiaofeng, conform Phys.

Se speră că, pe măsură ce modelul va fi îmbunătățit și rafinat, va ajuta la prezicerea valurilor mari și a furtunilor, ceea ce are aplicații practice pentru sistemele de navigație oceanică și pentru prezicerea evenimentelor meteorologice severe care pot afecta orașele de coastă. Acest tip de cercetare este deosebit de valoros într-o lume în care schimbările climatice modifică modul în care curenții oceanici se deplasează și interacționează cu mediul din jur. Cercetarea condusă de LI Xiaofeng și colegii săi face parte dintr-o tendință în creștere de a utiliza algoritmi de inteligență artificială și date de satelit pentru a învăța despre și a prezice mișcarea curenților oceanici și a fenomenelor conexe.

Ca alt exemplu de utilizare a inteligenței artificiale pentru a urmări și a prezice fenomenele oceanice, la începutul acestui an, o echipă de cercetători de la Laboratorul Marin din Plymouth și Universitatea Egee au publicat un studiu care examinează modul în care algoritmii de învățare automată și datele de satelit pot fi utilizate pentru a identifica zonele de concentrare a deșeurilor de plastic și a urmări răspândirea lor.

Echipa a luat imagini de satelit ale gunoiului de plastic și a antrenat un sistem de identificare a imaginilor pentru a vedea dacă sistemul poate discerne cu acuratețe peticele de gunoi de plastic de lemn, alge și alte obiecte naturale care plutesc. Conform rezultatelor studiului, algoritmul a fost capabil să identifice corect gunoiul de aproximativ 86% din timp. Cercetătorii doresc să îmbunătățească modelul și să creeze un sistem care să poată facilita identificarea și curățarea deșeurilor de plastic de-a lungul coastelor și râurilor.