I modelli tradizionali battono l'AI nelle previsioni del tempo estremo

L'AI fallisce di fronte agli eventi meteorologici più estremi

L'intelligenza artificiale sta rivoluzionando molti settori, ma secondo una nuova ricerca pubblicata su Science, non è ancora all'altezza delle previsioni meteorologiche più critiche. Uno studio condotto da un team internazionale, tra cui il professor Sebastian Engelke dell'Università di Ginevra, ha messo a confronto alcuni dei principali modelli AI di previsione meteo — tra cui GraphCast e Pangu-Weather — con una serie di eventi estremi recenti.

I limiti dell'AI: quando il passato non basta

I modelli basati sull'intelligenza artificiale si affidano a decenni di dati storici per prevedere le condizioni meteorologiche future. Tuttavia, questo approccio presenta un grave svantaggio: non riesce a gestire eventi mai osservati prima, come ondate di calore record o tempeste senza precedenti.

«I modelli AI funzionano bene per molte previsioni, ma per gli eventi estremi — quelli più importanti per la società — faticano ancora», spiega Engelke. «Essenzialmente, riproducono ciò che è già accaduto. Se parliamo di eventi record, che non hanno precedenti storici, la mancanza di dati li rende quasi incapaci di prevederli».

Esempi concreti: caldo record e venti estremi

Lo studio ha evidenziato come l'AI sottostimi sistematicamente le temperature durante ondate di calore eccezionali, come quella verificatasi in Siberia all'inizio del 2020, che ha innescato incendi e scioglimento del permafrost. Un altro caso analizzato riguarda i venti estremi e le ondate di freddo record, dove i modelli tradizionali si sono dimostrati più accurati.

Secondo gli autori, il problema risiede nel training data: poiché gli eventi estremi sono rari, l'AI non ha abbastanza esempi su cui imparare. Anche se alcuni modelli hanno introdotto sistemi probabilistici per prevedere più scenari, il limite rimane: si basano comunque su dati del passato.

I vantaggi dei modelli tradizionali

I modelli fisici tradizionali, invece, utilizzano equazioni matematiche per simulare i fenomeni atmosferici e possono adattarsi meglio a condizioni mai osservate prima. Sebbene anch'essi non siano perfetti, risultano più affidabili per prevedere eventi estremi.

«I modelli tradizionali non sono infallibili, ma performano meglio dell'AI in questi casi», sottolinea Engelke. «Sono in grado di rappresentare la fisica dell'atmosfera in modo più diretto, senza dipendere esclusivamente dai dati storici».

Quando l'AI funziona: previsioni per eventi meno estremi

Nonostante i limiti, l'intelligenza artificiale eccelle in altri ambiti. Ad esempio, può prevedere con precisione il percorso degli uragani o le tempeste di vento intense, come dimostrato da Nvidia Atlas, un modello AI testato su eventi non inclusi nei suoi dati di addestramento, come la tempesta Dennis che ha colpito il Regno Unito nel 2020.

«Visualizzando la magnitudine del vento e del gradiente di pressione, il modello è stato in grado di riprodurre in modo realistico eventi di vento intenso e cicloni distruttivi», afferma Mike Pritchard, direttore della ricerca sulle simulazioni climatiche di Nvidia.

Il futuro delle previsioni meteo: integrazione e innovazione

Attualmente, sia i modelli AI che quelli tradizionali vengono utilizzati in parallelo da agenzie meteorologiche, aziende di dati climatici come The Weather Company e compagnie assicurative. I ricercatori stanno esplorando soluzioni per migliorare le previsioni degli eventi più estremi, tra cui:

• L'aggiunta di dati sintetici che simulino eventi mai avvenuti prima;
• L'integrazione di modelli ibridi che combinino l'approccio fisico con quello basato sull'AI;
• L'uso di supercomputer per analisi più rapide e precise.

«Esistono metodi per integrare dati che mostrino come potrebbero essere gli eventi record», conclude Engelke. «Tuttavia, il problema fondamentale rimane: senza dati reali, l'AI non può imparare ciò che non ha mai visto».