Negli ultimi anni, l’intelligenza artificiale sta rivoluzionando numerosi settori –e ora tocca anche ai fenomeni meteorologici estremi–. Il 12 giugno 2025 Google, attraverso Google DeepMind e Google Research, ha lanciato Weather Lab, una piattaforma interattiva di ricerca scientifica che utilizza modelli AI per prevedere cicloni tropicali, tra cui uragani e tifoni.
Un salto nell’accuratezza delle previsioni
Weather Lab non si limita alla semplice tracciatura delle traiettorie: sfrutta reti neurali stocastiche per generare fino a 50 scenari differenti, estendendo fino a 15 giorni l’orizzonte temporale delle previsioni.
Nei test condotti tra il 2023 e il 2024, il modello ha dimostrato di raggiungere livelli di accuratezza sorprendenti: le previsioni a 5 giorni risultano in media 140 km più vicine al percorso reale rispetto alle previsioni dell’ECMWF ENS, equivalente ai miglioramenti attesi in 10–15 anni di sviluppo tradizionale.
Google ha subito coinvolto nel progetto il National Hurricane Center (NHC) americano, che attualmente confronta le sue previsioni AI con quelle tradizionali, ed anche enti internazionali come UK Met Office, CIRA (Colorado State University), Università di Tokyo e Weathernews Inc. partecipano allo sviluppo e alla validazione del sistema.
Importante sottolineare: Weather Lab è pensato come strumento di ricerca, non sostituto delle previsioni ufficiali, per l’appunto l’interfaccia web permette di comparare in tempo reale le uscite dei modelli AI con quelli fisico-numerici, ma con un chiaro avviso: per informazioni ufficiali, è necessario affidarsi al proprio servizio meteorologico nazionale.
Come funziona Weather Lab: intelligenza artificiale al servizio della meteorologia
Il funzionamento di Weather Lab si fonda sull’integrazione tra dati atmosferici reali e modelli di intelligenza artificiale avanzati, in particolare modelli stocastici neurali addestrati con un’enorme quantità di dati storici e in tempo reale. Ma cosa significa, concretamente, applicare il machine learning a una disciplina così complessa come la meteorologia tropicale?
Weather Lab integra due modelli principali:
- NMWP (Neural Weather Model for Probabilistic forecasting): un modello di deep learning creato da Google DeepMind, progettato specificamente per prevedere la traiettoria dei cicloni tropicali in modo probabilistico, ed è in grado di generare più scenari plausibili invece di una sola previsione deterministica.
- GraphCast: altro modello AI sviluppato da DeepMind, più orientato alla previsione del tempo generale su scala globale, che utilizza reti neurali grafiche (graph neural networks) per comprendere le relazioni tra diverse regioni atmosferiche nel tempo.
NMWP è il motore primario per la previsione dei cicloni, mentre GraphCast fornisce un contesto meteorologico più ampio, come venti, pressione, temperatura e precipitazioni, su cui si innesta il comportamento specifico del ciclone.
Previsioni probabilistiche, non deterministiche
Tradizionalmente, i modelli numerici (come l’ECMWF) forniscono previsioni deterministiche accompagnate da scenari alternativi generati tramite perturbazioni iniziali, NMWP invece adotta un approccio nativamente probabilistico, simulando fino a 50 traiettorie differenti per ogni ciclone analizzato. Questo consente di valutare la dispersione delle possibili evoluzioni – un parametro cruciale per la gestione del rischio.
Ogni traiettoria è associata a una probabilità e si basa non solo sulla posizione e l’intensità attuali della tempesta, ma anche su un’enorme quantità di dati satellitari, oceanografici e atmosferici che vengono rielaborati in tempo reale dal modello.
Estensione temporale fino a 15 giorni
Un elemento che distingue Weather Lab dai modelli convenzionali è la sua capacità di spingersi fino a 15 giorni nel futuro, mantenendo comunque una coerenza statistica notevole con i dati osservati. Questo è particolarmente importante per la pianificazione preventiva in regioni soggette a eventi estremi, come le isole del Pacifico o le coste sud-orientali degli Stati Uniti.
Sebbene la precisione diminuisca progressivamente con l’aumentare del tempo, i test suggeriscono che le previsioni AI restano utili anche oltre i 10 giorni, cosa che oggi raramente accade con i modelli numerici tradizionali.
L’interfaccia interattiva: un nuovo modo di visualizzare la scienza
Weather Lab non è solo un modello computazionale, ma anche una piattaforma visuale e interattiva, accessibile tramite browser, ed offre una rappresentazione dinamica delle tempeste tropicali, in cui l’utente può:
- osservare l’evoluzione temporale della traiettoria prevista;
- confrontare i modelli AI con quelli dell’ECMWF ENS (Ensemble Prediction System);
- esplorare i margini di incertezza (es. coni probabilistici e fasce di rischio);
- seguire l’intensità prevista del ciclone in termini di pressione centrale e velocità del vento.
Questa interfaccia è utile sia per i ricercatori che per i meteorologi operativi, i quali possono visualizzare confronti diretti e animazioni temporali per capire meglio i comportamenti dei singoli cicloni.
Trasparenza e spiegabilità
Uno degli obiettivi dichiarati di Weather Lab è favorire la trasparenza scientifica, Ogni previsione viene accompagnata da un confronto dettagliato con i dati osservati e da una valutazione delle performance dei diversi modelli AI.
La piattaforma non è una “black box”, ma al contrario cerca di spiegare perché un certo scenario è stato previsto come più probabile rispetto ad altri. Questo è un punto essenziale per guadagnare la fiducia della comunità scientifica e degli enti di protezione civile, tradizionalmente diffidenti nei confronti di sistemi non interpretabili.
Se sei attratto dalla scienza o dalla tecnologia, continua a seguirci, così da non perderti le ultime novità e news da tutto il mondo!
