Un nuovo modello sviluppato da Google promette previsioni meteo accurate fino a 33 giorni. Ma quanto è davvero possibile superare il “limite delle due settimane”?
Sbalzi improvvisi di temperatura, piogge fuori stagione, estati afose e temporali improvvisi: il meteo di oggi sembra sempre più instabile. Eppure, secondo uno studio recente pubblicato sul server Arxiv e coordinato dall’Università di Washington, le previsioni meteorologiche potrebbero presto spingersi molto oltre le canoniche due settimane. I ricercatori hanno testato un modello basato su intelligenza artificiale sviluppato da Google, chiamato GraphCast, che sarebbe in grado di elaborare previsioni affidabili fino a 33 giorni di anticipo. “Non abbiamo trovato un vero limite alla prevedibilità,” ha dichiarato il primo autore dello studio, Trent Vonich.
La teoria del caos e il “mito” delle due settimane
Fino a oggi, si è sempre creduto che ogni previsione meteo formulata oltre il quattordicesimo giorno diventasse sostanzialmente inaffidabile. Una convinzione legata al concetto di “effetto farfalla”, introdotto nel 1963 dal matematico e meteorologo del MIT Edward Lorenz. Secondo Lorenz, anche un piccolo errore nella definizione dello stato iniziale dell’atmosfera può generare nel tempo grandi divergenze nei risultati, rendendo impossibile prevedere il comportamento futuro del sistema con precisione. Tuttavia, va ricordato che Lorenz non ha mai stabilito una soglia fissa di due settimane: il limite è empirico, non una legge fisica. Questo lascia spazio all’ipotesi che strumenti più avanzati, come l’intelligenza artificiale, possano ridefinire i confini della prevedibilità.
L’intelligenza artificiale cambia le regole
Il modello GraphCast, sviluppato da Google DeepMind, è stato addestrato su 40 anni di dati meteorologici ad alta risoluzione. Utilizzando queste “rianalisi” — cioè ricostruzioni dettagliate del tempo passato basate su osservazioni reali e modelli — il sistema è stato in grado di migliorare notevolmente la qualità della condizione iniziale, ovvero il punto di partenza di ogni previsione. Il risultato? Un miglioramento dell’86% nell’accuratezza delle previsioni a 10 giorni. Ancora più sorprendente è che il modello ha continuato a mantenere buoni livelli di precisione anche oltre i 30 giorni. Come ha spiegato Animashree Anandkumar, informatica del Caltech, questo approccio mostra che “l’intelligenza artificiale, se alimentata con abbastanza dati, può superare molte delle approssimazioni e degli errori tipici dei modelli meteorologici tradizionali”.
Cosa può fare l’AI oggi (e cosa non ancora)
Nonostante i risultati promettenti, lo studio presenta anche alcune limitazioni importanti. Le previsioni di GraphCast non sono state ancora testate in tempo reale, ma solo su ricostruzioni del passato. “Per ora, non possiamo dire che il modello possa prevedere con sicurezza il meteo a un mese da oggi,” ha sottolineato Tobias Selz, scienziato atmosferico dell’Università Ludwig Maximilian di Monaco. Selz ricorda che le AI attuali tendono a ignorare i processi su piccola scala, come le microperturbazioni, che sono proprio quelle che si accumulano e rendono il meteo imprevedibile oltre un certo punto. Eppure, la prospettiva rimane incoraggiante. Come conclude Amy McGovern, meteorologa e informatica dell’Università dell’Oklahoma, “dimostrare che il limite può essere spostato, anche solo in teoria, apre la strada a un futuro in cui le previsioni meteo a un mese diventino finalmente realtà”.