“Big Data, Better Forecast: L’intelligenza artificiale sostituirà i meteorologi?
Gli ultimi anni hanno visto uno sviluppo esplosivo e in continua evoluzione delle modalità con cui le tecniche di machine learning vengono applicate all’analisi e alla previsione numerica dei fenomeni atmosferici. L’economicità computazionale e l’accuratezza dei modelli globali data-driven lasciano pensare che si possa essere vicini ad un cambiamento radicale nella modellistica numerica operativa fino ad oggi consolidata.
LaMMA, AISAM e l’Agenzia ItaliaMeteo organizzano una giornata di aggiornamento e discussione con l’obiettivo di comprendere lo stato attuale e le prospettive di sviluppo della modellistica numerica data-driven a livello europeo. Un focus sulle applicazioni operative o pre-operative del machine learning nei centri di ricerca e nei servizi meteorologici nazionali permetterà di conoscere quali risultati sono già stati raggiunti a livello italiano, in quali ambiti e quali sono gli sviluppi attesi.
Programma
Registrazione 10:00-10:30
Saluti e Introduzione 10:30-10:45
- LaMMA, AISAM, Agenzia ItaliaMeteo
Inquadramento generale – modera Chiara Marsigli – 10:45-12:45
- ECMWF: Umberto Modigliani, Big data, Open data, AI/ML – innovating ECMWF forecasts
collaboratively - DWD: Arianna Valmassoi, AICON – learning by doing together
Pausa Pranzo 12:45-14:30
Applicazioni in Italia – modera Valerio Capecchi – 14:30-17:00
- ARPA FVG: Arturo Pucillo, Tecniche di Deep Learning per la previsione dell’instabilità e dei temporali sul Nord-Est italiano
- Fondazione Bruno Kessler: Gabriele Franch, Modelli di AI per nowcasting e allertamento
- ARPAE: Federico Grazzini, Anticipare e rendere più interpretabile la previsione degli eventi estremi di precipitazione attraverso machine learning
Break 15:30-16:00
- Università di Genova: Andrea Mazzino, Il valore aggiunto di un approccio sinergico tra modelli meteorologici e intelligenza artificiale per fini previsionali
- ARPA Liguria: Paolo Olivieri, Esempio di bollettino First Guess con tecniche machine learning
- CNR-ISAC: Daniele Casella, Machine Learning for precipitation remote sensing from satellite
Conclusioni e saluti 17:00-17:30
Comitato organizzatore: V. Capecchi, R. Cremonini, B. Turato, M. Miglietta, F. Grazzini, C. Marsigli, M. Salvati, D. Zardi, C. Cacciamani
La partecipazione al workshop è gratuita. Il link You Tube per seguire gli interventi in streaming sarà pubblicato sulla pagina del workshop qualche giorno prima dell’evento
Avviso sulla privacy
Ai sensi e ai fini del Regolamento UE n. 2016/679 - Regolamento generale sulla protezione dei dati (GDPR) e come descritto nell'Informativa sulla privacy per i partecipanti all'evento di FBK, si informa che l'evento verrà registrato e divulgato sui canali istituzionali della Fondazione. Per non essere ripresi o registrati, si potrà disattivare la webcam e/o silenziare il microfono durante eventi virtuali oppure informare anticipatamente lo staff FBK che organizza l'evento pubblico.