L’intelligenza artificiale sta rapidamente trasformando le previsioni meteorologiche, consentendo di elaborare in pochi minuti previsioni che un tempo richiedevano ore di supercalcolo. Tuttavia, poiché gli strumenti di intelligenza artificiale svolgono un ruolo sempre più importante nella modellazione dei pericoli ad alto rischio, i ricercatori della Rice University affermano che rimane una domanda essenziale: le tempeste generate dall’intelligenza artificiale si comportano in modo realistico? Il loro nuovo studio, pubblicato sul Journal of Geophysical Research: Atmospheres, fornisce una valutazione completa di come i modelli meteorologici globali basati sull’intelligenza artificiale simulano i cicloni tropicali. I ricercatori hanno scoperto che, sebbene i principali sistemi di intelligenza artificiale siano efficaci nel prevedere le traiettorie delle tempeste e il comportamento su larga scala, possono avere difficoltà a riprodurre la struttura fisica delle tempeste, in particolare i pattern di vento che determinano gli impatti nel mondo reale.
“Negli ultimi anni, abbiamo assistito a un’esplosione di modelli meteorologici basati sull’intelligenza artificiale“, ha affermato l’autrice corrispondente Avantika Gori, professoressa associata di ingegneria civile e ambientale alla Rice University. “Questi sistemi sono addestrati su enormi set di dati atmosferici e, una volta addestrati, possono generare previsioni globali in appena uno o due minuti, una velocità notevolmente superiore rispetto ai tradizionali modelli basati sulla fisica“.
Questa velocità rappresenta un cambiamento radicale nelle previsioni. I modelli meteorologici numerici convenzionali simulano i processi atmosferici risolvendo complesse equazioni fisiche, un approccio computazionalmente costoso. I modelli di intelligenza artificiale, invece, apprendono relazioni statistiche dai dati storici, consentendo loro di produrre previsioni con notevole efficienza.
Ma la loro complessità introduce anche delle sfide.
“Poiché questi modelli sono così grandi, con milioni o miliardi di parametri, non sempre abbiamo visibilità su come generano le loro previsioni“, ha affermato Gori. “Per eventi ad alto impatto come i cicloni tropicali, ciò rende la valutazione sistematica di fondamentale importanza”.
Mettere alla prova i principali modelli di intelligenza artificiale
Lo studio ha valutato due importanti modelli meteorologici globali basati sull’intelligenza artificiale, Pangu-Weather e Aurora, utilizzando tempeste provenienti dai bacini del Nord Atlantico e del Pacifico settentrionale occidentale tra il 2020 e il 2025. Per garantire un test rigoroso, i ricercatori hanno simulato circa 200 tempeste al di fuori dei periodi di addestramento dei modelli, quindi hanno confrontato le caratteristiche delle tempeste generate dall’intelligenza artificiale con i dati di rianalisi ERA5.
“Volevamo determinare se i modelli potessero riprodurre la climatologia e i comportamenti fisici osservati nelle tempeste reali“, ha affermato Yanmo Weng, studente post-dottorato e primo autore. “Molte valutazioni precedenti hanno esaminato solo uno o due cicloni, ma analizzando centinaia di tempeste, siamo stati in grado di trarre conclusioni più accurate e generalizzabili sulle prestazioni del modello”.
Previsioni affidabili delle traiettorie, mista capacità di intensità
La loro analisi ha dimostrato che la modellazione basata sull’intelligenza artificiale ha avuto il massimo successo nella previsione delle traiettorie delle tempeste.
“Abbiamo scoperto che i modelli di intelligenza artificiale che abbiamo valutato hanno avuto prestazioni notevolmente buone nel prevedere le traiettorie dei cicloni“, ha affermato Gori. “Hanno riprodotto con un elevato grado di coerenza i percorsi delle tempeste e i punti in cui hanno toccato terra, il che è rassicurante poiché la previsione della traiettoria di una tempesta contribuisce a definire le decisioni di evacuazione e le allerte tempestive”.
L’intensità delle tempeste, che tradizionalmente rappresenta una sfida per i modelli meteorologici basati sull’intelligenza artificiale, ha mostrato un miglioramento irregolare ma promettente. I precedenti sistemi di intelligenza artificiale spesso sottostimavano la forza dei cicloni tropicali, trascurando i venti più forti e le pressioni più basse associati alle tempeste più gravi. Nel benchmarking di Rice, Aurora si avvicinava maggiormente alle distribuzioni di intensità di ERA5, mentre Pangu-Weather mostrava maggiori distorsioni per i cicloni più intensi.
Ciò nonostante, rappresentare accuratamente le tempeste estreme rimane difficile. I ricercatori hanno sottolineato un’importante avvertenza: ERA5 stesso tende a sottostimare l’intensità di picco rispetto alle osservazioni, il che significa che la concordanza con la rianalisi non implica automaticamente l’accuratezza.
Dove le tempeste basate sull’intelligenza artificiale infrangono le regole
La cautela più significativa dello studio riguardava il realismo fisico dei campi di vento simulati, ovvero la struttura interna dei venti all’interno delle tempeste generate dall’intelligenza artificiale. Sebbene molte simulazioni apparissero visivamente convincenti, un’analisi più approfondita ha rivelato che non sempre soddisfacevano i vincoli fisici stabiliti. I test sull’equilibrio del vento di gradiente, una relazione fondamentale che governa i cicloni maturi, hanno mostrato deviazioni notevoli, in particolare in prossimità dei centri delle tempeste.
“Queste incongruenze non sono sempre evidenti“, ha affermato Gori. “I campi di vento possono sembrare realistici pur violando aspetti chiave della fisica atmosferica”.
Il team ha anche scoperto che entrambi i modelli di intelligenza artificiale tendevano a sovrastimare le dimensioni del nucleo interno, soprattutto nelle tempeste più forti. Tali distorsioni sono importanti perché gli impatti dei cicloni dipendono non solo dalla traiettoria, ma anche da come sono organizzati i venti, fattori che influenzano le proiezioni dei danni causati dal vento, delle precipitazioni e degli innalzamenti di marea. Acquisire accuratamente la struttura delle tempeste è quindi fondamentale per la valutazione del rischio. Quando i campi di vento non sono fisicamente coerenti, le previsioni dei pericoli e dei danni a valle possono essere influenzate.
Perché l’esperienza umana è ancora importante
Tuttavia, Gori ha affermato che i risultati forniscono indicazioni per il miglioramento e non un indebolimento delle promesse delle previsioni basate sull’intelligenza artificiale.
“Il nostro lavoro aiuta a identificare dove potrebbero essere necessarie correzioni di bias o ulteriori interpretazioni”, ha affermato Gori. “Ad esempio, se un modello sottostima sistematicamente l’intensità, i meteorologi possono apportare modifiche anziché basarsi sui dati grezzi”.
Oltre a specifici bias del modello, i ricercatori hanno anche sottolineato una lezione più ampia: gli strumenti di intelligenza artificiale dipendono ancora dall’esperienza sul campo.
“Questi sistemi sono straordinariamente potenti, ma non sono auto-validanti”, ha affermato Gori. “Una stretta collaborazione tra scienziati dell’atmosfera e sviluppatori di intelligenza artificiale è essenziale per garantire che i risultati dei modelli rimangano fisicamente significativi, e il progresso responsabile di queste tecnologie richiederà un contributo e un perfezionamento continui da parte della comunità scientifica”.
In altre parole, poiché le previsioni meteorologiche continuano ad abbracciare le promesse dei modelli di intelligenza artificiale, questi dovrebbero essere utilizzati come complemento, e non come sostituzione, delle competenze e della comprensione umane.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?