Le previsioni Meteo con l’AI sono più attendibili fino 6 settimane, ma il fattore umano è insostituibile

Saper prevedere se pioverà tra tre giorni è ormai alla portata di qualunque smartphone, ma provare a stimare il tempo che farà tra un mese o un mese e mezzo è sempre stato un po' come lanciare una moneta. Per quasi cinquant'anni, la meteorologia moderna si è scontrata con un vero e proprio "muro": la teoria del caos. Oggi, uno studio pubblicato su Nature dai ricercatori del MIT Judah Cohen e Lester Mackey dimostra che un nuovo approccio basato sull'intelligenza artificiale e sull'apprendimento dagli errori passati (post-processing) è in grado di raddoppiare l'accuratezza delle previsioni nella fascia sub-stagionale, nota anche come periodo delle tendenze o proiezioni (da 2 a 6 settimane). Un passo in avanti straordinario per la scienza, che apre scenari del tutto inediti per la modellistica globale.

Come l'AI rende le previsioni meteo più attendibili: lo studio sul post-processing

Per capire la portata della scoperta dobbiamo fare un piccolo passo indietro fino agli anni '70. Fu il matematico e meteorologo del MIT Edward Lorenz a elaborare il concetto di teoria del caos applicato all'atmosfera. Lorenz dimostrò che l'atmosfera è un sistema dinamico non lineare e non stazionario: piccolissime variazioni nelle condizioni iniziali possono amplificarsi a dismisura nel tempo (il celebre "effetto farfalla").

Lorenz identificò una barriera teorica collocata attorno ai 14 giorni: oltre le due settimane, il "rumore" di fondo dell'atmosfera diventa così forte da sopraffare qualsiasi segnale iniziale. Entrare nella fascia compresa tra le 2 e le 6 settimane, il cosiddetto "deserto della prevedibilità" o scala sub-stagionale, significava imbattersi in variabili lente ma estremamente complesse (come le fluttuazioni di El Niño o le oscillazioni della stratosfera) che facevano crollare la precisione dei modelli tradizionali.

non perderti questo articolo

Le previsioni meteo sono davvero poco affidabili?

Di Stefano Gandelli

L'intuizione di Cohen e Mackey si basa su un principio affascinante: l'atmosfera può anche generare un numero infinito di configurazioni, ma tende naturalmente ad "affezionarsi" a determinati pattern e a ripeterli ciclicamente nel tempo.

Invece di limitarsi a far girare complesse simulazioni fisiche da zero, il modello di AI sviluppato dai ricercatori del MIT utilizza la tecnica del post-processing:

• Analisi dell'errore: l'algoritmo analizza costantemente le incongruenze tra ciò che i modelli fisici avevano previsto nel passato e ciò che è poi accaduto realmente nella storia climatica.
• Correzione dinamica: imparando dagli errori sistematici commessi dalle simulazioni tradizionali, l'AI applica correzioni in tempo reale sulle proiezioni future.

Sottoposto a test nelle competizioni del centro meteo europeo ECMWF (il punto di riferimento mondiale per la modellistica), il sistema ha dimostrato di raddoppiare la precisione delle tendenze a 2-6 settimane rispetto alle medie climatologiche storiche. Un risultato che offre un margine di preavviso utilissimo per le attività agricole, per le risorse energetiche e per la pianificazione a medio-lungo termine.

Perché l’essere umano resta insostituibile

L'evoluzione degli algoritmi non elimina la figura del meteorologo, ma la affianca potenziandone la capacità d'analisi. Gli algoritmi e i calcolatori sono imbattibili nel macinare moli enormi di dati e nel tracciare scenari probabilistici su scala planetaria, ma quando la previsione scende sul piano reale, e in particolare nel breve termine, il fattore umano resta l'elemento insostituibile.

Pensiamo all'Italia, un vero e proprio puzzle di microclimi e asperità orografiche:

• Una penisola stretta e allungata immersa nel Mediterraneo, tra bacini marini con risposte termiche differenti.
• Barriere montuose imponenti: le Alpi a nord e la catena degli Appennini generano dinamiche locali che nessun modello ad alta risoluzione può decifrare del tutto senza un'attenta lettura critica.

Nel breve periodo (1-3 giorni), quando si deve stabilire l'impatto reale di una perturbazione sul territorio, l'elaborazione numerica da sola non basta. Serve l'esperienza di chi la meteorologia la studia e la vive sul campo, in grado di:

1. Dominare la complessa geografia locale: capire come risponde una specifica vallata, un golfo o un versante montuoso all'arrivo di determinati flussi di vento.
2. Interpretare e correggere i modelli: il cervello umano sa individuare eventuali "abbagli" dell'algoritmo, contestualizzando il dato secco sulla base dell'esperienza storica locale.
3. Curare la comunicazione del rischio: tradurre numeri, mappe e percentuali in un messaggio chiaro, calibrato e privo di allarmismi per la cittadinanza e la Protezione Civile è un compito scientifico ed empatico che appartiene solo alle persone.

L'intelligenza artificiale ci regala quindi calcoli e modelli sempre più sofisticati per guardare lontano, ma la decisione finale e la lettura reale di ciò che accadrà sulle nostre teste rimarranno sempre affidate alla competenza dell'essere umano.