Los niveles de ozono en la troposfera terrestre (el nivel más bajo de nuestra atmósfera) ahora se pueden pronosticar con precisión con hasta dos semanas de anticipación. una mejora notable con respecto a los sistemas actuales que pueden predecir con precisión los niveles de ozono solo con tres días de anticipación. El nuevo sistema de inteligencia artificial desarrollado en el Laboratorio de Modelado y Pronóstico de la Calidad del Aire de la Universidad de Houston podría conducir a formas mejoradas de controlar los problemas de alto nivel de ozono e incluso contribuir a soluciones para los problemas del cambio climático.

"Esto fue muy desafiante. Nadie lo había hecho antes. Creo que somos los primeros en intentar pronosticar los niveles de ozono en la superficie con dos semanas de anticipación". "dijo Yunsoo Choi, profesor de química atmosférica y aprendizaje profundo de IA en la Facultad de Ciencias Naturales y Matemáticas de la UH. Los hallazgos se publican en línea en la revista científica, Informes científicos .

Ozono, un gas incoloro, es útil en el lugar y la cantidad correctos. Como parte de la estratosfera de la tierra ("la capa de ozono"), protege filtrando la radiación ultravioleta del sol. Pero cuando hay altas concentraciones de ozono cerca de la superficie de la tierra, es tóxico para los pulmones y el corazón.

"El ozono es un contaminante secundario, y puede afectar negativamente a los humanos, "explicó el estudiante de doctorado Alqamah Sayeed, investigador del laboratorio de Choi y primer autor del artículo de investigación. La exposición puede provocar irritación de garganta, dificultad para respirar, asma, incluso daño respiratorio. Algunas personas son especialmente susceptibles, incluidos los muy jóvenes, los ancianos y los enfermos crónicos.

Los niveles de ozono se han convertido en una parte frecuente de los informes meteorológicos diarios. Pero a diferencia de las previsiones meteorológicas, que puede ser razonablemente preciso hasta 14 días antes, Los niveles de ozono se han pronosticado con solo dos o tres días de anticipación, hasta que se produzca este gran avance.

La gran mejora en el pronóstico es solo una parte de la historia de esta nueva investigación. La otra es cómo el equipo lo hizo posible. La previsión convencional utiliza un modelo numérico, lo que significa que la investigación se basa en ecuaciones para el movimiento de gases y fluidos en la atmósfera.

Las limitaciones eran obvias para Choi y su equipo. El proceso numérico es lento, haciendo que los resultados sean costosos de obtener, y la precisión es limitada. "La precisión con el modelo numérico comienza a disminuir después de los primeros tres días, "Dijo Choi.

El equipo de investigación utilizó una función de pérdida única para desarrollar el algoritmo de aprendizaje automático. Una función de pérdida ayuda a optimizar el modelo de IA al asignar la decisión a sus costos asociados. En este proyecto, los investigadores utilizaron un índice de acuerdo, conocido como IOA, como la función de pérdida para el modelo de IA sobre las funciones de pérdida convencionales. IOA es una comparación matemática de las brechas entre lo que se espera y cómo resultan las cosas.

En otras palabras, los miembros del equipo agregaron datos históricos sobre el ozono a las pruebas a medida que refinaban gradualmente las reacciones del programa. La combinación del modelo numérico y el IOA como función de pérdida eventualmente permitió al algoritmo de IA predecir con precisión los resultados de las condiciones del ozono en la vida real al reconocer lo que sucedió antes en situaciones similares. Es muy parecido a cómo se construye la memoria humana.

"Piense en un niño que ve una taza de té caliente en una mesa y trata de tocarla por curiosidad. En el momento en que el niño toca la taza, se da cuenta de que hace calor y no debe tocarse directamente. A través de esa experiencia, el niño ha entrenado su mente, "Dijo Sayeed." En un sentido muy básico, lo mismo ocurre con la IA. Tú proporcionas información, la computadora le da salida. Tras muchas repeticiones y correcciones, el proceso se refina con el tiempo, y el programa de IA llega a "saber" cómo reaccionar ante las condiciones que se han presentado antes. En un nivel básico, la inteligencia artificial se desarrolla de la misma manera que el niño aprendió a no tener tanta prisa por tomar la siguiente taza de té caliente ".

En el laboratorio, el equipo utilizó de cuatro a cinco años de datos sobre el ozono en lo que Sayeed describió como "un proceso en evolución" de enseñar al sistema de inteligencia artificial a reconocer las condiciones del ozono y estimar los pronósticos. mejorando con el tiempo.

"Aplicar el aprendizaje profundo a la calidad del aire y la previsión meteorológica es como buscar el santo grial, justo como en las peliculas, "dijo Choi, que es un gran fanático de las tramas de acción. "En el laboratorio, Pasamos por momentos difíciles durante algunos años. Hay un proceso. Finalmente, hemos agarrado el santo grial. Este sistema funciona. El modelo de IA 'entiende' cómo pronosticar. A pesar de los años de trabajo, de alguna manera todavía se siente como una sorpresa para mí, incluso hoy."

Antes de que el éxito en el laboratorio pueda conducir a un servicio en el mundo real, Hay muchos pasos comerciales por delante antes de que el mundo pueda beneficiarse del descubrimiento.

"Si conoce el futuro, la calidad del aire en este caso, puede hacer muchas cosas por la comunidad. Esto puede ser muy crítico para este planeta. ¿Quién sabe? Quizás podamos encontrar la manera de resolver el problema del cambio climático. el futuro puede ir más allá de la previsión meteorológica y la previsión del ozono. Esto podría contribuir a que el planeta sea seguro, "dijo Choi.

Suena como un final feliz para cualquier buena historia de acción.