Η ίδια τεχνική τεχνητής νοημοσύνης που χρησιμοποιείται συνήθως στα συστήματα αναγνώρισης προσώπου μπορεί να συμβάλει στη βελτίωση της πρόβλεψης των καταιγίδων από χαλάζι και της σοβαρότητάς τους, σύμφωνα με νέα μελέτη του Εθνικού Κέντρου Ατμοσφαιρικών Ερευνών (NCAR).
Αντί να εστιάζουν στα χαρακτηριστικά ενός μεμονωμένου προσώπου, οι επιστήμονες χρησιμοποίησαν ένα μοντέλο δικτύου, για να αναγνωρίσει τα χαρακτηριστικά των καταιγίδων από χαλάζι αλλά και το μέγεθος του χαλαζιού, στοιχεία που είναι εξαιρετικά δύσκολο να προβλεφθούν.
Τα πολλά υποσχόμενα αποτελέσματα, που δημοσιεύτηκαν στο Monthly Weather Review της American Meteorological Society, υπογραμμίζουν τη σημασία της συνεκτίμησης της δομής ολόκληρης της καταιγίδας, κάτι που είναι δύσκολο να γίνει με τις υπάρχουσες τεχνικές πρόβλεψης χαλαζιού.
“Γνωρίζουμε ότι η δομή μιας καταιγίδας επηρεάζει το αν η καταιγίδα μπορεί να παράγει χαλάζι”, δήλωσε ο επιστήμονας του NCAR David John Gagne, ο οποίος ηγήθηκε της ερευνητικής ομάδας. “Οι περισσότερες μέθοδοι πρόβλεψης χαλαζόπτωσης αναγνωρίζουν μόνο ένα μικρό μέρος της καταιγίδας και δεν μπορούν να διακρίνουν την συνολική μορφή και δομή της”.
Η έρευνα υποστηρίχθηκε από το Εθνικό Ίδρυμα Επιστημών, το οποίο είναι χορηγός του NCAR.
“Το χαλάζι – και ιδιαίτερα το μεγάλο χαλάζι – μπορεί να έχει σημαντικές οικονομικές επιπτώσεις στη γεωργία και τις ιδιοκτησίες”, δήλωσε ο Nick Anderson, αξιωματικός του προγράμματος NSF. “Χρησιμοποιώντας αυτά τα εργαλεία βαθιάς μάθησης με μοναδικούς τρόπους, θα μπορέσουμε να δώσουμε μια πρόσθετη εικόνα των συνθηκών που ευνοούν το μεγάλο χαλάζι, βελτιώνοντας τις προβλέψεις μοντέλων, γεγονός που αποτελεί μια δημιουργική και πολύ χρήσιμη συνεργασία πολλών επιστημονικών κλάδων”.