In questo articolo Indice dei contenuti 2 sezioni
La previsione degli uragani ha appena guadagnato un alleato che spiazza persino chi lo ha costruito. Nell’ottobre del 2025, mentre una tempesta prendeva forma sul mar dei Caraibi, i modelli meteorologici tradizionali litigavano tra loro. Sarebbe rimasta debole finendo su Haiti, oppure si sarebbe rafforzata puntando verso la Giamaica? Il modello di intelligenza artificiale WeatherNext, sviluppato da DeepMind insieme a Google Research, scelse la seconda strada. Cinque giorni prima dell’impatto, con una certezza dell’80 per cento, aveva previsto che quel sistema avrebbe colpito la Giamaica come uragano di categoria 5.
L’uragano Melissa fu catastrofico. Inondazioni, frane, danni ovunque sull’isola. Ma quel margine di anticipo, offerto dal modello ai meteorologi, permise di avvisare prima le comunità sulla traiettoria della tempesta, dando loro il tempo di prepararsi meglio.
WeatherNext e quel giorno in più che cambia tutto
In uno studio pubblicato su Nature, i ricercatori hanno dimostrato che WeatherNext riesce a prevedere i cicloni con una precisione mai vista finora. In media regala ai meteorologi un giorno intero di anticipo rispetto ai modelli attuali. Le sue previsioni a tre giorni sono accurate quanto quelle che prima si ottenevano solo a due giorni di distanza. E nella pratica, quel giorno in più pesa parecchio.
“Anche poche ore possono fare la differenza”, dice Mike Brennan, direttore del Centro Nazionale Uragani statunitense, la NOAA. Organizzare evacuazioni, preparare le scorte, spostare risorse per rispondere al rischio di un uragano sono operazioni che richiedono grande velocità, e una scelta sbagliata può avere conseguenze gravi. “Il tempo è cruciale in queste decisioni, quindi poter allungare la precisione delle previsioni di un giorno rispetto a prima è davvero prezioso”, aggiunge.
Secondo i ricercatori, guadagnare quel singolo giorno di anticipo ha richiesto un decennio di lavoro. Modellare gli eventi estremi è una bella gatta da pelare per l’IA. Il machine learning ha bisogno di montagne di dati per fare previsioni, ma gli eventi estremi, per loro natura, sono rari. “Non abbiamo molti dati sui cicloni, ma ne abbiamo tanti di meteorologici. Così abbiamo addestrato un modello capace di essere efficace sia sulla previsione del tempo sia su quella dei cicloni”, spiega Ferran Alet, ricercatore di Google DeepMind e tra gli autori principali dello studio.
Gli uragani sono difficili da prevedere perché lavorano su scale spaziali diverse, spiega Kate Musgrave, a capo del gruppo cicloni tropicali dell’Istituto Cooperativo di Ricerca sull’Atmosfera. Prevederne la traiettoria richiede dati su scala globale, la posizione dei fronti freddi, i venti dominanti. Prevederne l’intensità, invece, chiede dati a scala molto più piccola, concentrati sulle condizioni atmosferiche e oceaniche locali. “È qualcosa che questi modelli globali semplicemente non ci danno”, osserva Musgrave. E fin qui l’IA se la cavava bene sulla traiettoria, molto meno sull’intensità.
Una scatola nera che sorprende anche i suoi creatori
Prevedere entrambi gli aspetti è fondamentale. Un cambio di intensità può segnare la differenza tra una tempesta debole e un uragano devastante. Con Melissa, la NOAA è riuscita per la prima volta a prevedere un uragano di categoria 5 mentre il sistema era ancora in fase di categoria 1. Prima di usarlo dal vivo, i ricercatori avevano testato WeatherNext su dati retrospettivi. “I risultati erano così buoni che eravamo scettici”, ricorda Musgrave. Poi la conferma sul campo. “Credo che tutti siano rimasti sorpresi da quanto funzionasse bene.”
La parte curiosa è che nemmeno chi ha costruito il modello capisce del tutto come faccia. Usa dati atmosferici a risoluzione molto più bassa di quella che i modelli tradizionali richiedono per stimare l’intensità. “Quando lo abbiamo detto alla comunità, sono rimasti scioccati, perché significa che i dati a bassa risoluzione contengono più informazioni di quanto si pensasse”, dice Alet. “In fondo è una scatola nera, ma dà ai fisici il segnale che sta accadendo qualcosa che prima non si capiva.”
Il modello non produce una sola previsione, ma una gamma di scenari possibili, così da catturare eventuali effetti farfalla. L’anno scorso creava 50 scenari per tempesta, adesso ne genera 1.000. Brennan, però, ricorda che resta uno strumento tra tanti e che il fattore umano è ancora decisivo. “Un uragano non è solo traiettoria o intensità. Servono esperti per interpretare i dati e capire gli impatti, ed è quello che uccide.” Google DeepMind ha annunciato che renderà pubblico il codice sorgente dei modelli usati durante la stagione, sperando che la comunità scientifica possa scoprire qualcosa di nuovo sul funzionamento dei cicloni.
