Per decenni la scienza che studia il nostro pianeta ha vissuto una profonda scissione interna, una sorta di barriera invisibile che ha tenuto separate due discipline fondamentali per la nostra sopravvivenza. Da un lato c’era chi guardava al cielo per capire se l’indomani avrebbe piovuto, dall’altro chi analizzava i decenni futuri per comprendere l’impatto letale dei gas serra. E’ la differenza storica tra meteorologia e climatologia. Oggi, questa frammentazione sta per finire. Un nuovo e fondamentale articolo pubblicato sulla prestigiosa rivista scientifica Nature Communications, intitolato “Bridging the weather and climate divide with artificial intelligence”, dimostra in modo inequivocabile che l’intelligenza artificiale sta iniziando a superare la storica separazione tra previsioni del tempo e proiezioni climatiche.
Questo traguardo scientifico è il frutto di un imponente lavoro di squadra che ha coinvolto venti ricercatori di istituzioni di altissimo livello distribuite tra Spagna, Italia, Germania, Regno Unito, Grecia, Paesi Bassi e Stati Uniti. A tenere alta la bandiera della ricerca italiana in questa rivoluzione ci hanno pensato il Consiglio Nazionale delle Ricerche e il Dipartimento di Fisica e Astronomia dell’Università di Bologna.
La fine della storica separazione tra meteorologia e climatologia
Prevedere il tempo di domani e stimare il clima dei prossimi decenni significa, di fatto, descrivere esattamente lo stesso e medesimo sistema Terra. Eppure, per decenni, meteorologia e climatologia si sono sviluppate e sono cresciute come due mondi scientifici separati, caratterizzati da modelli fisici, dati e obiettivi radicalmente diversi tra loro. Le previsioni meteorologiche, infatti, partono dallo stato iniziale dell’atmosfera in un preciso momento e guardano a un orizzonte temporale molto breve, fatto di ore, giorni o al massimo settimane. La climatologia, al contrario, studia in che modo l’intero sistema Terra risponde, su scale temporali di decenni o secoli, a fattori macroscopici e dirompenti come l’aumento dei gas serra, la presenza di aerosol e i cambiamenti nell’uso del suolo. Inoltre, vi è una differenza sostanziale legata ai dati: il meteo quotidiano offre ai ricercatori moltissimi eventi osservati su cui verificare costantemente l’esattezza dei modelli, mentre il clima futuro, per sua stessa natura, non ha alcun termine di confronto osservativo diretto, rendendo le proiezioni una sfida scientifica ardua. Secondo gli autori di questo nuovo studio, l’intelligenza artificiale sta agendo da formidabile catalizzatore tra le due comunità scientifiche. Tecnologie all’avanguardia come le reti neurali su grafo, i transformer, i modelli generativi, i modelli fondazionali e i modelli ibridi che uniscono la fisica all’intelligenza artificiale vengono ormai usati in modo trasversale in entrambi i campi. Un’approfondita analisi della letteratura scientifica prodotta dal 1975 al 2025 mostra chiaramente che, dall’avvento del deep learning, la sovrapposizione tra la ricerca meteorologica e quella climatica è cresciuta in modo esponenziale, spingendosi ben oltre quanto ci si aspetterebbe per puro caso, aggregandosi attorno a metodi ormai condivisi come la previsione, il downscaling e l’emulazione dei modelli stessi.
Il contributo italiano e il ruolo dell’Università di Bologna
L’Italia gioca un ruolo da protagonista assoluto in questo epocale cambio di paradigma. Il contributo bolognese, in particolare, nasce da una prolifica linea di ricerca del gruppo guidato dal professor Alberto Carrassi, Direttore di Alma Climate, il Centro interdipartimentale dell’Ateneo bolognese focalizzato sulle sfide globali e il cambiamento climatico. Questo gruppo opera all’interno del settore di Fisica dell’atmosfera del Dipartimento di Fisica e Astronomia, e rappresenta oggi uno dei massimi riferimenti a livello internazionale per quanto riguarda la delicata integrazione tra l’assimilazione dei dati e l’apprendimento automatico. Essendo stato tra i primi al mondo a lavorare in modo pionieristico su questo tema e a comprendere la straordinaria complementarità dei due approcci, il professor Carrassi ha mostrato in modo pratico come combinare queste due potenti tecniche. L’obiettivo raggiunto è stato quello di riuscire a ricostruire, partendo da osservazioni spesso scarse, frammentate e rumorose, i complessi processi atmosferici che i tradizionali modelli fisici da soli non riescono a risolvere. Come si legge nel comunicato, “Meteorologia e climatologia hanno già un linguaggio comune: l’assimilazione dei dati, cioè l’arte di combinare modelli e osservazioni“, afferma Carrassi. “L’integrazione tra assimilazione dei dati e intelligenza artificiale può diventare il terreno su cui le due comunità costruiscono strumenti davvero condivisi“.
I tre ponti tecnologici che uniscono il meteo al clima del futuro
Per spiegare come questa fusione stia avvenendo nella pratica, lo studio pubblicato su Nature Communications individua tre veri e propri ponti concreti che stanno collegando le due discipline. Il primo di questi ponti è di natura temporale. Le previsioni cosiddette sub-stagionali e stagionali, che coprono un arco temporale che va da qualche settimana a qualche mese, occupano esattamente la zona intermedia, una sorta di terra di mezzo, tra i due campi di studio. Questo spazio temporale rappresenta un banco di prova naturale e perfetto per testare algoritmi capaci di attraversare le diverse scale temporali. Il secondo ponte individuato dai ricercatori è di tipo causale. In questo ambito, l’intelligenza artificiale permette agli scienziati di confrontare in modo analitico gli eventi estremi verificatisi in climi reali con quelli simulati in climi ipotetici. Questa comparazione è fondamentale per capire in modo inequivocabile quanto il cambiamento climatico in atto stia modificando la probabilità e la reale intensità di disastri come alluvioni, siccità e uragani. Il terzo e ultimo ponte è strutturale. I modelli meteo e quelli climatici stanno condividendo sempre più componenti informatiche e matematiche, passando dai potenti modelli fondazionali fino ad arrivare alle sofisticate combinazioni ibride che fondono le classiche equazioni fisiche della termodinamica e della fluidodinamica con la potenza di calcolo dell’apprendimento automatico.
Prevedere gli eventi estremi e rispettare le leggi della fisica
Nonostante l’entusiasmo per le prestazioni strabilianti dei nuovi algoritmi, gli autori dello studio sottolineano un punto cruciale per il futuro della scienza del clima: la sola accuratezza delle previsioni, per quanto elevata, non è sufficiente. Il sistema Terra è governato da regole ineluttabili che la tecnologia non può permettersi di ignorare. “Un modello di intelligenza artificiale deve rispettare le leggi della fisica, restare stabile anche in simulazioni lunghe decenni, quantificare la propria incertezza e funzionare in modo affidabile in condizioni mai incontrate durante l’addestramento“, spiega accuratamente Alberto Carrassi. “È esattamente ciò che serve per gli estremi senza precedenti e per i climi futuri, che nel passato osservato non hanno un equivalente.” Questa dichiarazione evidenzia la necessità di creare un’intelligenza artificiale che non si limiti a riconoscere schemi nei dati passati, ma che sia in grado di ragionare fisicamente per prevedere scenari apocalittici che l’umanità non ha mai ancora documentato, ma che il riscaldamento globale renderà drammaticamente possibili.
I rischi etici e ambientali del deep learning applicato al clima
La medaglia di questa rivoluzione tecnologica ha però anche un suo rovescio, che l’articolo non manca di affrontare con grande onestà intellettuale, ponendo l’accento sui crescenti rischi ambientali e sociali. L’addestramento dei grandi modelli di intelligenza artificiale richiede infatti una quantità smisurata di energia elettrica e una potenza di calcolo gigantesca. Attualmente, le infrastrutture informatiche necessarie per gestire questa mole di calcoli sono concentrate nelle mani di pochissime e ricchissime istituzioni governative e aziende tecnologiche multinazionali. “L’IA può rendere le previsioni avanzate più economiche e più accessibili, ma rischia di ampliare le disuguaglianze se molti paesi e centri di ricerca resteranno esclusi dallo sviluppo dei modelli“, osserva con preoccupazione Francisco de Melo Viríssimo, prestigioso ricercatore della London School of Economics and Political Science. Il rischio reale è quello di creare un monopolio dei dati climatici, dove solo chi possiede i supercomputer potrà anticipare i disastri naturali, lasciando le nazioni in via di sviluppo, che sono spesso le più vulnerabili ai cambiamenti del clima, completamente scoperte e indifese.
Una nuova alleanza globale per affrontare la crisi climatica
Per scongiurare questi pericoli ed evitare che la tecnologia diventi uno strumento di divisione, gli autori dello studio propongono alla comunità internazionale un’agenda chiara, pragmatica e concreta. Tra le richieste principali spiccano lo sviluppo di componenti dei modelli differenziabili e rigorosamente open source, la creazione di benchmark comuni che valgano tanto per il meteo quanto per il clima, l’istituzione di obblighi di accesso aperto ai dati e, soprattutto, l’assegnazione di risorse di calcolo dedicate in modo specifico alle istituzioni universitarie e di ricerca che dispongono di meno mezzi economici. Il traguardo finale va ben oltre la semplice implementazione di nuove righe di codice. “La vera sfida non è solo progettare algoritmi più potenti, ma costruire una nuova cultura della collaborazione tra meteorologi, climatologi, fisici, informatici, centri operativi e decisori“, conclude in modo illuminante Gustau Camps-Valls dell’Università di Valencia, delineando la strada per un futuro in cui la tecnologia sia davvero al servizio della sicurezza dell’intera umanità.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?