Modelli di intelligenza artificiale stanno mostrando risultati importanti nelle previsioni stagionali, con applicazioni pratiche per l'agricoltura. In India, NeuralGCM — un modello ibrido che combina la tradizionale modellistica fisica con il machine learning e sviluppato da Google — è stato usato per fornire previsioni a 38 milioni di agricoltori. Le previsioni sono state rese disponibili quattro settimane prima rispetto al normale inizio del monsone e hanno indicato correttamente una pausa di tre settimane nella progressione del monsone dopo il landfall di inizio giugno.
I ricercatori della University of Chicago hanno confrontato sistematicamente NeuralGCM con modelli fisici e altri modelli AI: il modello ha ottenuto buone prestazioni su vari indicatori meteo e climatici ed è risultato più efficiente dal punto di vista computazionale. L'iniziativa Human-Centred Weather Forecasts, lanciata quest'anno, ha partner in cinque paesi e prevede di aggiungere altri 10 paesi nel 2026 e altri 15 nel 2027, estendendo il servizio a milioni di agricoltori.
Il progetto riceve anche sostegno per valutare modelli in Africa orientale e occidentale, con formazione per meteorologi nei paesi a basso e medio reddito. Esperti governativi e ricercatori hanno sottolineato potenziali benefici economici, mentre alcuni scienziati agricoli, come Arun Shanker, richiedono messaggi che colleghino i segnali di pioggia a dati su umidità del suolo, deficit di pressione di vapore, stress termico e sensibilità delle colture. Rimangono però sfide tecniche e pratiche da risolvere con l'espansione del progetto.
- Stima economica: più di US$100 per ogni dollaro investito dal governo, secondo Michael Kremer.
Parole difficili
- modellistica — uso di modelli per descrivere fenomeni naturalimodellistica fisica
- ibrido — che combina due approcci o tecnologie diverse
- previsione — stima del tempo futuro o di fenomeni climaticiprevisioni stagionali
- monsone — vento stagionale che porta forti piogge
- computazionale — relativo al calcolo con computer e algoritmi
- sensibilità — grado di reazione di una coltura a stresssensibilità delle colture
- deficit — mancanza o riduzione rispetto a quanto necessario
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali benefici pratici ed economici possono avere gli agricoltori dalle previsioni resi disponibili prima dell'inizio del monsone? Spiega con esempi tratti dall'articolo o immaginati.
- Perché alcuni scienziati agricoli chiedono di collegare i segnali di pioggia ad altri dati come umidità del suolo e stress termico? Quali vantaggi avrebbe questo collegamento per le decisioni agricole?
- Quali problemi tecnici e pratici vedi nell'espandere un servizio meteorologico basato su AI a molti paesi, specialmente a basso e medio reddito? Proponi possibili soluzioni basate sulle informazioni dell'articolo.
Articoli correlati
Perché i modelli faticano a moltiplicare numeri a quattro cifre
Una ricerca spiega che i modelli linguistici non conservano valori intermedi necessari per moltiplicare numeri a quattro cifre. Un metodo chiamato ICoT e un obiettivo di addestramento mirato migliorano molto i risultati.
Intelligenza artificiale per la salute sessuale in America Latina
Gruppi in Perù e Argentina usano intelligenza artificiale per dare informazioni su salute sessuale e riproduttiva, con progetti per giovani e comunità marginalizzate. Esperti avvertono però rischi per le persone transgender e chiedono regole e dati migliori.
IA in America Latina per contrastare violenza e disuguaglianze
Gruppi latinoamericani sviluppano sistemi di intelligenza artificiale aperti e locali per studiare la violenza e le disuguaglianze di genere. Strumenti come AymurAI proteggono dati sensibili e forniscono prove a governi e società civile.
Come l'intelligenza artificiale generativa cambia la disinformazione
In un'intervista del 12 novembre 2025 Laura Jasper (HCSS) spiega come l'AI generativa renda la disinformazione più veloce, ampia e personalizzata. Suggerisce misure per attribuire responsabilità, misurare gli effetti sui comportamenti e rafforzare la fiducia sociale.
