Meteo estremo, i modelli fisici restano più affidabili dell’IA per le previsioni: lo studio

I modelli meteorologici basati sulla fisica continuano a superare quelli di intelligenza artificiale nella previsione di eventi climatici estremi, come ondate di caldo e freddo record e tempeste di vento. È quanto riportano Zhongwei Zhang, Sebastian Engelke, Erich Fischer e Jakob Zscheischler in uno studio pubblicato sulla rivista Science Advances. I risultati indicano che, nonostante i progressi dell’IA nelle previsioni standard, le tecniche tradizionali restano più affidabili quando si tratta di fenomeni fuori scala. La ricerca ha confrontato le prestazioni di diversi modelli di IA – tra cui GraphCast, Pangu-Weather e Fuxi – con un sistema fisico europeo ad alta risoluzione, analizzando eventi estremi registrati nel 2018 e nel 2020.

I modelli basati su intelligenza artificiale hanno mostrato errori significativamente maggiori nella stima di intensità e frequenza degli eventi. In particolare, hanno sovrastimato le temperature durante episodi di freddo estremo e sottostimato quelle durante ondate di calore.

La differenza tra i due approcci

Secondo gli autori, il limite principale dell’IA risiede nei dati di addestramento, che coprono il periodo 1979-2017 e quindi non includono eventi climatici senza precedenti. “I modelli di IA faticano a prevedere fenomeni che esulano dal dominio dei dati su cui sono stati addestrati“, osservano i ricercatori, mentre i modelli fisici, basati su leggi fondamentali, possono estendere le previsioni anche a condizioni mai osservate prima.

Lo studio evidenzia quindi una differenza strutturale tra i due approcci: da un lato sistemi che apprendono da dati storici, dall’altro modelli fondati su principi dinamici della fisica atmosferica, capaci di maggiore flessibilità. I risultati suggeriscono che, almeno per gli eventi estremi, i modelli tradizionali restano uno strumento cruciale per la previsione e la gestione dei rischi climatici, anche in un contesto in cui l’intelligenza artificiale sta assumendo un ruolo sempre più rilevante nelle scienze meteorologiche.