Questo saggio è una collaborazione con Robert Hoffman, ed è largamente basato su Hoffman et al. (2017) Minding the Weather: come pensano gli esperti di previsioni. Un saggio precedente ha toccato alcune delle questioni relative al modo in cui i giocatori di scacchi esperti e gli esperti di previsioni del tempo hanno imparato a usare l’Intelligenza Artificiale. Questo saggio attuale approfondisce i modi in cui l’Intelligenza Artificiale sta contribuendo maggiormente alla meteorologia.
I sapientoni tecnofili adorano annunciare in questi giorni che il computer finirà per sostituire il meteorologo umano. Questo entusiasmo sfrenato è giustificato principalmente osservando gli impressionanti progressi nella memoria e nella capacità di calcolo. L’incomprensione dei sapientoni della tecnologia informatica è evidente: tutto ciò di cui uno ha bisogno è un numero maggiore di numeri, e Lo! Verrà eseguito un miracolo.
Per prima cosa, se non fosse per l’esperienza umana, i modelli informatici non esisterebbero. Quindi il fatto che i modelli informatici aiutino i meteorologi rappresenta un enorme traguardo per gli umani. Per altro, i modelli di computer non producono previsioni del tempo. Generano previsioni dei valori di determinati parametri atmosferici, come temperature superficiali, direzioni del vento a varie altezze nell’atmosfera, ecc. Ci vuole l’esperienza umana per andare dagli output del modello (insieme ad altri enormi dati disponibili) e produrre una previsione significativa che aiuta le persone a capire il tempo e ad agire in modo appropriato (vedi Kerr, 2012).
Le previsioni hanno migliorato il loro valore e accuratezza per decenni, e una parte del motivo è che i modelli informatici stanno migliorando. Ma quando uno guarda sotto il cofano, si vede che le cose a cui i modelli di computer sono bravi sono anche le cose a cui gli esperti di previsioni sono bravi.
Le cose a cui i modelli di computer non sono molto bravi sono meno notate nei rapporti sul confronto tra previsioni umane e computer. Un’eccezione è rappresentata dalle previsioni delle tracce degli uragani, che a volte vengono chiamate “grafici di spaghetti”. I diversi modelli a volte generano previsioni di tracce diverse. Ma per molti uragani, i modelli convergono, e l’analisi degli uragani tramite modelli computerizzati ha mostrato un notevole miglioramento negli ultimi anni.
Ma questa non è una situazione in cui sta diventando sempre più difficile per l’umano è “migliorare” sui risultati del computer, o produrre previsioni che “battono” i computer. Come ho discusso in un precedente saggio, The Age of Centaurs, non è produttivo avere una competizione tra l’umano e la macchina. I meteorologi usano i modelli di computer per quello che sono, strumenti in un kit di strumenti molto grande. Un detto in meteorologia è “Non è possibile fare una buona previsione usando i modelli a meno che non si possa fare una buona previsione senza usare i modelli”. I meteorologi migliorano sugli output del computer da qualche parte nel range del 10-25% (a volte di più), a seconda su quale parametro viene confrontato.
I computer dipendono anche dagli umani. È necessaria l’esperienza umana per adeguare gli input ai modelli del computer per compensare le varie tendenze che i modelli devono prevedere in anticipo o meno determinati parametri in determinate condizioni. Gli umani devono anche valutare le uscite di più modelli (ce ne sono molti) e determinare quale di essi è il “modello preferito del giorno”.
Non dovremmo valutare il numero di calcoli più alti della capacità umana di ragionare. Le previsioni meteorologiche non sarebbero possibili senza l’interdipendenza uomo-macchina. Abbiamo bisogno di più esperti di previsioni umane, non di meno. Ciò che ora sappiamo dell’esperienza può essere sfruttato nella formazione dei meteorologi, senza dubbio.
Come calcolato da Pearson nel 1978, il costo medio pro capite per il Servizio meteorologico nazionale si riduce a quello che si pagherebbe per un grande hamburger, patatine fritte e bibite. Correggendo per l’aumento della popolazione statunitense (a circa 320 milioni di oggi), l’attuale budget NWS di circa $ 972 milioni si traduce in un costo pro capite che riguarda solo quello di un hamburger. Il nostro attuale “clima” politico è quello in cui i programmi economici e politici promuovono la disinformazione sui cambiamenti climatici. Non solo abbiamo bisogno di più esperti di previsioni (per esempio, Hoffman et al., 2014), abbiamo bisogno di esperti di previsioni per esercitare una voce più forte nel discorso pubblico (ad esempio, Collins & Evans, 2017).
Riferimenti
Collins, H. & Evans, R. (2017). Perché le democrazie hanno bisogno della scienza. New York: John Wiley.
Hoffman, RR, LaDue, D. e Mogil, HM, Roebber, P. e Trafton, JG (2017). Minding the Weather: come pensano le previsioni di esperti. Cambridge, MA: MIT Press.
Hoffman, RR, Ward, P., DiBello, L., Feltovich, PJ, Fiore, SM e Andrews, D. (2014). Esperienza accelerata: formazione per l’alta competenza in un mondo complesso. Boca Raton, FL: Taylor e Francis / CRC Press.
Kerr, RA (2012). Previsioni meteorologiche che si stanno lentamente risolvendo. Science, 38, 734-737.
Pearson, AD (1978). Big Mac meteorologico. Editoriale, The Kansas City Star. Ristampato in L. Snellman (a cura di), Forum, National Weather Digest, 3, pp. 2-6.
