L’AI ruba un giorno agli uragani

C’è un momento, dentro ogni stagione degli uragani, in cui un uomo davanti a uno schermo deve decidere per centinaia di migliaia di persone che non conosce. Deve dire se una spirale di nuvole larga quanto mezza nazione toccherà terra qui o duecento chilometri più in là, se arriverà con venti da tempesta o da catastrofe, se conviene svegliare una città nel cuore della notte oppure aspettare ancora sei ore.

Ogni ora che guadagna è una strada che si svuota, un ospedale che trasferisce i pazienti fragili, una barca messa in secca, una famiglia che parte prima del buio.

Ora quel margine si è allargato di ventiquattro ore.

Google DeepMind ha pubblicato su Nature i risultati di WeatherNext, un modello di intelligenza artificiale che prevede traiettoria, intensità e struttura dei venti di un ciclone tropicale con una accuratezza mai raggiunta prima: le sue previsioni a tre giorni valgono quanto quelle che i modelli precedenti riuscivano a produrre soltanto per i due giorni successivi, un salto che equivale a circa un decennio di progresso meteorologico. E, nello stesso giorno, ha fatto una cosa che nel mondo dell’AI non è affatto scontata: ha aperto il codice e i pesi del modello, mettendoli gratuitamente a disposizione di chiunque.

Perché i cicloni erano un problema doppio

Per capire la portata della cosa bisogna sapere che, fino a ieri, prevedere un ciclone significava risolvere due problemi diversi con due strumenti diversi.

La traiettoria, cioè dove andrà la tempesta, è governata da enormi correnti atmosferiche globali, e si modellava meglio con modelli a bassa risoluzione che guardano tutto il pianeta. L’intensità, cioè quanto diventerà forte, nasce invece da processi termodinamici minuti che si consumano attorno all’occhio del ciclone, e richiedeva modelli locali ad altissima risoluzione. Due sguardi, uno da satellite e uno da microscopio, che i previsori dovevano tenere insieme a mano. 

WeatherNext è un modello unico che fa entrambe le cose. 

Cinquemila tempeste, una memoria

La macchina ha imparato leggendo la storia del clima terrestre. È stata addestrata su quasi venti terabyte di dati atmosferici globali e sull’archivio storico IBTrACS, che raccoglie le osservazioni di quasi cinquemila tempeste del passato. 

È una biblioteca del disastro: ogni tifone che ha piegato le Filippine, ogni uragano che ha attraversato i Caraibi, ogni ciclone che si è spento in mare senza che nessuno se ne accorgesse. Cinquant’anni di quella biblioteca raccontano più di 700.000 morti e 1.400 miliardi di dollari di danni nel mondo. La macchina li ha letti tutti, e ha imparato tutte le dinamiche con cui una tempesta cresce. 

Mille futuri per ogni tempesta

Il vero cambiamento, però, non riguarda la singola previsione. Riguarda il dubbio.

L’anno scorso il sistema produceva cinquanta scenari alla volta, come i grandi modelli fisici globali. Quest’anno l’insieme è salito a mille scenari per ogni ciclone, abbastanza da catturare anche le possibilità rare e feroci, come le intensificazioni rapide. Una previsione a quindici giorni si genera in meno di un minuto su una singola TPU (il circuito integrato progettato da Google per gestire i carichi di lavoro legati al machine learning e alle reti neurali).  

Mille futuri, calcolati nel tempo di un caffè. Il previsore non riceve più una linea sulla mappa, riceve una nuvola di destini possibili, e può chiedersi non solo cosa accadrà, ma cosa accadrebbe nel peggiore dei casi.

Melissa, la prova sul campo

Le macchine si giudicano quando piove davvero. Nella stagione degli uragani del 2025 il modello ha aiutato il National Hurricane Center a formulare una previsione storica su Melissa, anticipandone l’intensificazione rapida e l’arrivo sulla Giamaica. Il centro ha potuto emettere un allarme in anticipo, e chi era sul terreno ha avuto tempo per prepararsi. 

Il lavoro, del resto, non è nato in un laboratorio isolato. Ha messo insieme i ricercatori di Google DeepMind e Google Research con i previsori del National Hurricane Center, del Cooperative Institute for Research in the Atmosphere e del Met Office britannico, cioè con le persone che quegli allarmi li firmano.

La sorpresa che nessuno sa spiegare

C’è un dettaglio, in questa storia, che ha il sapore delle scoperte vere: quelle che arrivano quando il risultato smentisce la teoria.  

Tutti davano per certo che, per indovinare l’intensità di un ciclone, servisse guardare molto da vicino. Invece WeatherNext lavora su dati con una risoluzione di 28 chilometri per 28, cento volte più grossolana di quella dei modelli tradizionali. E una versione compatta, WeatherNext 2-mini, funziona addirittura a 111 chilometri per 111, girando su una singola TPU dentro un computer portatile pubblico e gratuito. La cosa ha sorpreso gli scienziati, e resta una domanda aperta: nessuno sa ancora del tutto perché funzioni così bene. 

Il codice regalato

Poi c’è la decisione che rende questa notizia diversa da un annuncio di prodotto. Insieme al paper, DeepMind ha rilasciato codice e pesi dei modelli, liberamente disponibili per la ricerca accademica, per le agenzie meteorologiche operative e per chi voglia costruire versioni più specializzate e locali.

Tradotto: un servizio meteorologico del Bangladesh, un istituto di ricerca caraibico, una ong che lavora nel Pacifico possono prendere lo stesso strumento usato per Melissa e adattarlo alle proprie coste. La capacità di vedere una tempesta arrivare smette di essere un privilegio di chi possiede supercalcolatori.

Chi decide resta umano

In fondo alla pagina, sotto i grafici e le mappe, DeepMind ha lasciato una riga che vale più di molte dichiarazioni: per le previsioni e gli allarmi ufficiali bisogna continuare a rivolgersi alla propria agenzia meteorologica nazionale. 

Non è una formalità legale. È il perimetro di questa storia. La macchina legge il cielo meglio di prima e più in fretta di prima, ma la telefonata che ordina di evacuare una città la fa ancora una persona, con un nome e una responsabilità. L’intelligenza artificiale, qui, non sostituisce nessuno: allunga il tempo a disposizione di chi deve scegliere.  

Ventiquattro ore. Sembrano poche, dette così. Chiedetelo a chi ha caricato la macchina all’alba, in Giamaica, invece che nel pomeriggio.