Previsioni climatiche, l’era dell’intelligenza artificiale

L’AI apprende dal passato, ed è utile per il clima, ma il paradosso è che stiamo spingendo il sistema terrestre oltre i limiti dell’esperienza storica. Articolo di Ivan Manzo per l’Ecofuturo Magazine.

Mentre queste righe vengono scritte, il ciclone Harry sta causando gravi danni nel Sud Italia. Un’area inserita nel bacino del Mediterraneo, a lungo considerato relativamente al riparo da eventi estremi di tipo tropicale. Una convinzione che la crisi climatica sta rapidamente mettendo in discussione. Ecco perché diventa fondamentale prevedere un’alluvione prima che l’acqua travolga abitazioni e infrastrutture, stimare con giorni di anticipo un’ondata di calore potenzialmente letale, cogliere i segnali precoci di una siccità destinata a trasformarsi in crisi alimentare. Nell’epoca del riscaldamento globale la previsione non è più solo una sfida scientifica: è uno strumento di protezione civile, di pianificazione economica e di riduzione del rischio.

È in questo spazio, sempre più strategico, che l’intelligenza artificiale sta conquistando un ruolo centrale, promettendo di trasformare il modo in cui si fa prevenzione e, di conseguenza, si interpreta il futuro prossimo, compreso quello del clima.

Il clima accelera, l’AI entra in campo

L’instabilità del sistema climatico, caratterizzato da una crescente accelerazione per via delle attività umane, negli ultimi anni ha messo in evidenza i limiti degli approcci tradizionali alla previsione non solo climatica ma anche meteorologica. Sia chiaro, i modelli numerici basati sulle equazioni fisiche dell’atmosfera restano fondamentali; a fronte però di enormi risorse computazionali – per esempio hardware e software per eseguire calcoli complessi – faticano a rappresentare l’evoluzione degli eventi estremi quando localizzati. Una difficoltà confermata da numerosi studi pubblicati negli ultimi anni, tra cui “Early warning of complex climate risk with integrated artificial intelligence” su “Nature”.

È in questo contesto che l’intelligenza artificiale, e in particolare il machine learning – campo dell’intelligenza artificiale che permette ai computer di apprendere dai dati migliorando di conseguenza le proprie prestazioni – ha iniziato a entrare stabilmente nel campo delle previsioni. Reti neurali fatte di modelli di calcolo ispirate al cervello umano, unite a sistemi di apprendimento automatico, vengono così addestrate su decenni di dati meteorologici, satellitari e oceanografici per individuare schemi ricorrenti e segnali in grado di prevedere l’insorgere di eventi estremi. A tal proposito, una rassegna di studi sul tema pubblicata su “Frontiers” – un editore di ricerca impegnato a rendere accessibile al pubblico gli studi scientifici validati e sottoposti a peer-reviewed – spiega come questi modelli riescano, in molti casi, a migliorare l’accuratezza delle previsioni a breve termine rispetto ai modelli fisici tradizionali, soprattutto per quanto riguarda piogge intense e temperature estreme.

L’Europa è all’avanguardia

Un passaggio emblematico di questa transizione arriva dall’Europa. Il Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF) ha reso infatti operativo nel 2025 il proprio Artificial Intelligence Forecasting System (AIFS), un modello basato esclusivamente su machine learning, addestrato su oltre quarant’anni di dati storici, dal 1979 a oggi. Secondo le valutazioni ufficiali dell’ECMWF, l’AIFS è in grado di eguagliare e in diversi casi superare le prestazioni del modello tradizionale IFS (Integrated Forecasting System) su variabili chiave, come vento, temperatura e traiettorie dei cicloni tropicali, e abbassare i consumi energetici anche di 1.000 volte. Un risultato non banale, in un settore caratterizzato dall’alto costo energetico delle operazioni di calcolo.

L’AIFS è inoltre pensato per rispondere alle esigenze di una platea ampia di utenti. Nel settore delle energie rinnovabili, per esempio, consentirà di stimare con maggiore precisione la radiazione solare sfruttata dai pannelli fotovoltaici o la velocità del vento all’altezza delle turbine eoliche, contribuendo così a ottimizzare la gestione degli impianti. Più in generale, la disponibilità dell’AIFS è destinata a rafforzare le capacità previsionali dei servizi meteorologici nazionali dei 35 Stati cooperanti, con ricadute nei settori dell’energia, delle assicurazioni, della sicurezza e del trasporto marittimo.

«Questo traguardo trasformerà la meteorologia e le previsioni», ha dichiarato la direttrice generale dell’ECMWF, Florence Rabier. «Ma non si tratta solo di un’innovazione tecnologica: è il risultato della collaborazione di 35 Paesi che lavorano insieme per migliorare le previsioni globali, sostenere le agenzie meteorologiche nazionali e contribuire a una società più sicura e prospera».

Dal punto di vista operativo l’AIFS utilizza le stesse condizioni iniziali dell’IFS ottenute combinando una previsione a breve termine con circa 60 milioni di osservazioni provenienti da satelliti, aerei, navi, boe oceaniche e reti di misurazione terrestri. Ogni sei ore queste informazioni vengono fornite al modello che, sulla base delle evoluzioni meteorologiche apprese dal passato, stima le variazioni meteorologiche nei giorni successivi. La prima versione operativa, denominata AIFS Single, produce una singola previsione. L’obiettivo dichiarato è però estendere rapidamente il sistema alla “modellazione d’insieme”, generando fino a 50 previsioni parallele per rappresentare l’intero spettro degli scenari possibili. Una tecnica sviluppata dallo stesso ECMWF oltre trent’anni fa e che, oggi, entra in una nuova fase grazie all’intelligenza artificiale.

I gemelli digitali della Terra

Parallelamente, l’intelligenza artificiale sta incidendo in modo crescente sulle simulazioni climatiche di lungo periodo. I nuovi Earth System Models integrano emulatori basati su AI in grado di riprodurre processi complessi – dalle interazioni tra oceani, atmosfera e biosfera ai cicli biogeochimici – riducendo drasticamente i tempi di calcolo. È il presupposto scientifico dei cosiddetti “gemelli digitali della Terra”, al centro del programma europeo Destination Earth, promosso dalla Commissione europea con l’obiettivo di simulare scenari climatici ad altissima risoluzione a supporto delle politiche di adattamento e della gestione del rischio.

In questo campo l’impatto più immediato dell’AI si manifesta nei sistemi di allerta precoce: anticipare un evento estremo, anche solo di poche ore, può fare la differenza in termini di vite umane salvate. Secondo l’Organizzazione meteorologica mondiale oltre il 90% dei disastri naturali è legato a fenomeni meteorologici e climatici, tuttavia una parte significativa della popolazione globale resta ancora priva di sistemi di allerta efficaci.

Diversi studi indicano come l’intelligenza artificiale possa contribuire a colmare questo divario, rafforzando – senza sostituire – i processi decisionali umani. È il caso, dei modelli sviluppati in Italia per prevedere le piene improvvise dei corsi d’acqua minori, responsabili di una quota rilevante delle alluvioni “lampo” che colpiscono il Paese. In Toscana, un gruppo di ricerca dell’Università di Pisa ha sviluppato un modello AI in grado di prevedere le piene di torrenti e ruscelli con un anticipo di circa sei ore. Allenando reti neurali su dati pluviometrici e idrometrici regionali, il sistema è riuscito ad anticipare scenari di piena e a fornire messaggi di allerta.

Lo studio, pubblicato su “Nature”, punta ora a essere esteso ad altre aree del Paese esposte a frane e alluvioni. Progetti del genere sono stati inoltre avviati in Africa nell’ambito dell’iniziativa ONU “Early Warnings for All”, che ha sviluppato in Africa orientale strumenti AI per prevedere siccità e inondazioni, supportando così anche le decisioni nel campo dell’agricoltura. L’obiettivo di Early Warnings for All è ambizioso: garantire sistemi di allerta a tutta la popolazione mondiale entro il 2030.

Permangono criticità

Accanto alle opportunità emergono però criticità non trascurabili: la prima riguarda l’affidabilità. Come sottolineato anche nello studio di “Nature” citato in apertura, i modelli di intelligenza artificiale apprendono dal passato, ma la crisi climatica sta generando un paradosso: sta spingendo il sistema terrestre oltre i limiti dell’esperienza storica. Eventi senza precedenti rischiano dunque di ridurre l’affidabilità di algoritmi addestrati su un clima che, in estrema sintesi, non esiste più. Per questo l’Organizzazione Meteorologica Mondiale insiste sulla necessità di affiancare i modelli AI a una solida base fisica e a continui processi di validazione umana.

C’è poi la questione della responsabilità. Chi risponde di una previsione errata prodotta da un algoritmo? La questione è al centro del dibattito europeo sull’AI Act e sulla responsabilità civile dei sistemi automatizzati. In ambiti sensibili come la protezione civile, l’orientamento prevalente resta quello del controllo umano: l’intelligenza artificiale può supportare l’analisi e l’anticipazione del rischio, ma non può sostituire le decisioni critiche, che restano in capo alle persone e alle istituzioni.

C’è infine una sfida profondamente politica: quella delle disuguaglianze territoriali. In assenza di dati affidabili e competenze diffuse, l’uso dell’intelligenza artificiale rischia di ampliare il divario tra chi è in grado di dotarsi di sistemi predittivi avanzati e chi, invece, è privo di questo tipo di difese. Non a caso, le Nazioni Unite insistono sull’importanza del trasferimento tecnologico e sui modelli “open source”, per trasformare l’AI in un vero bene pubblico globale.

In sostanza, prevedere l’emergenza non significa eliminare il rischio ma ridurre l’imprevedibilità. L’AI oggi offre strumenti in grado di giocare d’anticipo sulla crisi climatica, ma la sua efficacia dipenderà dalla capacità di integrarla con competenze umane, regole chiare e una visione di equità. In un mondo che si evolve più rapidamente delle nostre istituzioni, la sfida passa da sapere “cosa accadrà” a “come usare tutta questa conoscenza”.

Leggi anche: Intelligenza Artificiale per Meteo, Clima ed Economia Circolare