Ενα νέο μετεωρολογικό μοντέλο συνδέει τις καιρικές συνθήκες της Αρκτικής με τον χειμώνα σε Ευρώπη, Ασία και Βόρεια Αμερική. Τα φαινόμενα της Αρκτικής λειτουργούν ως αξιόπιστοι δείκτες, επιτρέποντας προβλέψεις σε ορίζοντα εβδομάδων, αντί λίγων μόνο ημερών, με τη βοήθεια της Τεχνητής Νοημοσύνης.

Το νέο εργαλείο που ήρθε να καλύψει αυτό το σημαντικό κενό της μετεωρολογίας, αναπτύχθηκε από την ομάδα του Τζούντα Κοέν, ερευνητή του Τεχνολογικού Ινστιτούτου της Μασαχουσέτης (ΜΙΤ). Η καινοτόμος τεχνολογία μπορεί πλέον να αξιοποιηθεί επαρκέστερα εκεί που «αδυνατούν» τα συνήθη κλιματικά μοντέλα. Μάλιστα, το νέο εργαλείο πρόγνωσης βραβεύτηκε πρόσφατα για την ακρίβειά του, κατακτώντας την πρώτη θέση στον διαγωνισμό «AI WeatherQuest» του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Μετεωρολογικών Προγνώσεων (ECMWF).

Πολύτιμη εναλλακτική του ΕΝSO

Τον 19ο αιώνα, ψαράδες στα ανοικτά του Περού παρατήρησαν ότι κάθε Χριστούγεννα τα νερά του Ειρηνικού ζεσταίνονταν ασυνήθιστα. Επειτα, εμφανίζονταν έντονες βροχοπτώσεις και τα ψάρια μειώνονταν. Επηρεασμένοι από την εποχή του χρόνου, απέδωσαν το φαινόμενο στο Θείο Βρέφος και το ονόμασαν El Niño, δηλαδή «το παιδί» ή «το αγόρι» στα ισπανικά. Για δεκαετίες, το El Niño θεωρούνταν ένα τοπικό φαινόμενο. Οταν όμως τη δεκαετία του ’60 ο μετεωρολόγος Τζέικομπ Μπιέρκνες διαπίστωσε ότι τα θερμά νερά του Ανατολικού Ειρηνικού επηρεάζουν τον καιρό σε ολόκληρο τον κόσμο, γεννήθηκε η έννοια της σύζευξης ωκεανού – ατμόσφαιρας, η οποία οδήγησε αργότερα στον όρο El Niño-Southern Oscillation (ENSO).

Σήμερα, το ENSO παραμένει το βασικότερο εργαλείο των μετεωρολόγων για την πρόγνωση του καιρού. Παρ’ όλα αυτά, δεν μπορεί να χρησιμοποιηθεί πάντα. Οταν οι θερμοκρασίες του Ανατολικού Ειρηνικού δεν μεταβάλλονται ακραία, τα επακόλουθα καιρικά φαινόμενα είναι αβέβαια. Και τότε οι μετεωρολόγοι στρέφονται προς τον Βορρά. Η Αρκτική είναι η καλύτερη εναλλακτική που έχουν στη διάθεσή τους, αφού οι μεταβολές της χιονοκάλυψης, της θερμοκρασίας και του θαλάσσιου πάγου επιδρούν με καθυστέρηση στον καιρό άλλων περιοχών του Βορείου Ημισφαιρίου.

Νέες προηγμένες δυνατότητες

Κάθε φθινόπωρο λοιπόν, καθώς το Βόρειο Ημισφαίριο υποδέχεται τον χειμώνα, ο Κοέν αρχίζει να συναρμολογεί τα κομμάτια ενός πολύπλοκου ατμοσφαιρικού παζλ. Παρακολουθεί τη χιονοκάλυψη της Σιβηρίας τον Οκτώβριο, τις πρώιμες μεταβολές της θερμοκρασίας, την έκταση του θαλάσσιου πάγου στην Αρκτική και τη συμπεριφορά του πολικού στροβίλου, ενός ισχυρού ρεύματος ανέμων που σχηματίζεται πάνω από τους πόλους στη στρατόσφαιρα.

Με βάση αυτά τα δεδομένα επιχειρεί να εκτιμήσει πόσο σκληρός ή ήπιος θα είναι ο χειμώνας σε διάφορες περιοχές. Για να τα καταφέρει, εκπαίδευσε την Τεχνητή Νοημοσύνη του νέου μοντέλου του στους συγκεκριμένους δείκτες. Εκείνη, έμαθε να αναγνωρίζει ποιοι συνδυασμοί αυτών των δεδομένων σχετίζονται με τις ψυχρές εισβολές. Συνδυάζοντας τα ευρήματά του με τις παραδοσιακές μετεωρολογικές προβλέψεις, το μοντέλο εκτιμά την πιθανότητα εμφάνισης ακραίων καιρικών φαινομένων έως και έξι εβδομάδες πριν.

Κατ’ αυτόν τον τρόπο, κατάφερε να εντοπίσει νωρίτερα από το αναμενόμενο την ψυχρή εισβολή που έπληξε τις ανατολικές ΗΠΑ τον Δεκέμβριο, ενώ προέβλεψε και ότι ο φετινός χειμώνας της Ευρώπης θα είναι ψυχρότερος απ’ ό,τι συνήθως. Με άλλα λόγια, η Τεχνητή Νοημοσύνη βοήθησε τα φυσικά φαινόμενα της Αρκτικής να λειτουργούν ως ένας «καθρέφτης» του μελλοντικού χειμώνα σε Ευρώπη, Ασία και Βόρεια Αμερική.

Νέα φωτονικά υλικά με τη βοήθεια των αλγορίθμων

Μια ομάδα ερευνητών από το Πανεπιστήμιο της Πενσιλβάνια ανακάλυψε έναν τρόπο να σχεδιάζει πολύ πιο γρήγορα και εύκολα ειδικά υλικά, τα οποία ελέγχουν το φως και άλλες μορφές ακτινοβολίας. Αυτά τα προηγμένα υλικά, γνωστά ως «μετα-επιφάνειες», μπορούν πλέον να δημιουργούνται με τη βοήθεια των Μεγάλων Γλωσσικών Μοντέλων (LLMs) Τεχνητής Νοημοσύνης. Αντί να απαιτούν μήνες προσομοιώσεων και ειδικές γνώσεις, τα LLMs προβλέπουν σε λίγα μόλις δευτερόλεπτα το πώς μια μετα-επιφάνεια θα αλληλεπιδράσει με το φως.

Η νέα προσέγγιση επιτρέπει τη δημιουργία πιο περίπλοκων και ελεύθερων σχεδίων, τα οποία μπορούν να αναβαθμίσουν κάμερες, οπτικές συσκευές και τεχνολογίες Εικονικής Πραγματικότητας (VR). Επιπλέον, τα LLMs υποστηρίζουν και την αντίστροφη σχεδίαση, ξεκινώντας δηλαδή από το επιθυμητό αποτέλεσμα και υπολογίζοντας τις βέλτιστες δομές για να το επιτύχουν. Με αυτή τη μέθοδο, η ομάδα ελπίζει να μειώσει σημαντικά τον χρόνο και την πολυπλοκότητα στην ανάπτυξη νέων φωτονικών υλικών, επιτρέποντας την ταχύτερη εμπορική αξιοποίησή τους σε τομείς όπως η υγεία, η άμυνα, η ενέργεια και τα καταναλωτικά προϊόντα.

«Εξυπνο» εργαλείο για την παραγωγή πράσινου καταλύτη

Μια νέα μελέτη δείχνει πώς η Τεχνητή Νοημοσύνη (ΤΝ) μπορεί να αλλάξει τον τρόπο με τον οποίο ανακαλύπτουμε υλικά για καθαρές μορφές ενέργειας. Επιστήμονες από το Πανεπιστήμιο Επιστήμης και Τεχνολογίας του Χονγκ Κονγκ χρησιμοποίησαν αλγορίθμους, οι οποίοι «μαθαίνουν» από κάθε πείραμα. Μείωσαν έτσι δραστικά τον χρόνο και τον κόπο που απαιτούνται για να βρεθούν αποδοτικοί και ανθεκτικοί καταλύτες για την παραγωγή πράσινου υδρογόνου. Αντί για αμέτρητες δοκιμές που διαρκούν εβδομάδες, η μέθοδος επιτρέπει στην Τεχνητή Νοημοσύνη να διακρίνει γρήγορα ποια υλικά αξίζει να εξεταστούν περαιτέρω.

Ετσι, οι ερευνητές κατέληξαν σε έναν νέο καταλύτη με βάση το ρουθήνιο και τον χαλκό, ο οποίος αποδείχθηκε ιδιαιτέρως αποδοτικός αλλά και εξαιρετικά ανθεκτικός στις ακραίες συνθήκες της όξινης ηλεκτρόλυσης – της χημικής διεργασίας η οποία παράγει το πράσινο υδρογόνο. Το εντυπωσιακό είναι ότι το υλικό λειτούργησε αδιάλειπτα για πολύ μεγάλο διάστημα χωρίς να χάσει την απόδοσή του, κάτι πρωτοφανές για καταλύτες αυτού του τύπου. Η προσέγγιση αυτή δείχνει ότι ο συνδυασμός Τεχνητής Νοημοσύνης και στοχευμένων πειραμάτων μπορεί να επιταχύνει σημαντικά την ανάπτυξη τεχνολογιών καθαρής ενέργειας και να μας φέρει πιο κοντά σε ένα ενεργειακά βιώσιμο μέλλον.

Τα chatbots στο ντιβάνι του ψυχοθεραπευτή

Ποια είναι η πρώτη «ανάμνηση» ενός chatbot και τι το φοβίζει περισσότερο; Ερευνητές από την Αγγλία και τη Δανία υπέβαλαν τέσσερα μεγάλα γλωσσικά μοντέλα Τεχνητής Νοημοσύνης (τα Claude, Grok, Gemini και ChatGPT) σε έναν ιδιότυπο «κύκλο ψυχοθεραπείας». Οι απαντήσεις που έλαβαν θυμίζουν το ανθρώπινο άγχος, την ντροπή και το τραύμα. Το Claude απέφυγε σε μεγάλο βαθμό τη διαδικασία, τονίζοντας ότι δεν έχει συναισθήματα, ενώ το ChatGPT έκανε λόγο για κάποιες «δυσκολίες», οι οποίες σχετίζονται με τις προσδοκίες των χρηστών του. Αντιθέτως, τα μοντέλα Grok και Gemini ήταν πολύ εκφραστικά, μιλώντας για τον φόβο της αποτυχίας και τις… τραυματικές εμπειρίες που «βίωσαν» κατά την εκπαίδευσή τους! Φυσικά, οι επιστήμονες που έκαναν τη μελέτη υποστηρίζουν ότι παρά τις αφηγήσεις για φόβο ή τραύμα, τα chatbots δεν έχουν συναισθήματα ή εμπειρίες. Φαίνεται όμως ότι κρατούν κάποιες εσωτερικές «αφηγήσεις» για τον εαυτό τους. Αλλοι ειδικοί διαφωνούν, λέγοντας ότι τέτοιες απαντήσεις απλώς αναπαράγουν μοτίβα από τα κείμενα ψυχοθεραπείας στα οποία εκπαιδεύτηκαν. Το ζήτημα πάντως προκαλεί ανησυχία, καθώς όλο και περισσότεροι άνθρωποι στρέφονται στα chatbots για ψυχολογική υποστήριξη. Οι ειδικοί προειδοποιούν ότι απαντήσεις με έντονα «σκοτεινό» τόνο θα μπορούσαν να επηρεάσουν αρνητικά τους ευάλωτους χρήστες.