Nell'ottobre 2025, una tempesta si è formata sul Mar dei Caraibi, e i modelli meteorologici erano in disaccordo. Si sarebbe dissipata su Haiti, o sarebbe diventata un mostro diretto verso la Giamaica? Entra in gioco WeatherNext, il modello di IA di Google DeepMind, che ha previsto con sicurezza quest'ultima opzione - cinque giorni prima dell'impatto, ha dichiarato con l'80% di confidenza che la tempesta avrebbe colpito la Giamaica come uragano di categoria 5.

L'uragano Melissa ha fatto esattamente questo, seminando il caos con inondazioni e frane in tutta la Giamaica. Ma grazie all'allarme precoce dell'IA, le comunità hanno avuto più tempo per prepararsi. Secondo un articolo pubblicato giovedì su Nature, WeatherNext offre ai meteorologi in media un giorno in più di preavviso - le sue previsioni a tre giorni sono accurate quanto quelle a due giorni dei modelli precedenti. Come dice Mike Brennan, direttore del Centro Nazionale Uragani degli Stati Uniti, "Il tempo è davvero oro". Infatti, quando si organizzano rifornimenti e si evacuano persone, un giorno in più è praticamente un lusso.

Storicamente, guadagnare un giorno di accuratezza nelle previsioni richiedeva un decennio di lavoro. Allora qual è il segreto? Addestrare un'IA su molti dati meteorologici, anche se i dati sui cicloni sono scarsi. Come spiega Ferran Alet, ricercatore scientifico presso DeepMind, "Non abbiamo molti dati sui cicloni, ma abbiamo molti dati meteorologici". Così hanno addestrato un modello per essere bravo in entrambi.

Gli uragani sono complicati perché operano su più scale - la previsione della traiettoria richiede dati globali, mentre l'intensità richiede dettagli locali. I modelli di IA precedenti riuscivano a centrare la traiettoria ma sbagliavano l'intensità. WeatherNext, invece, fa entrambe le cose, e ha persino sorpreso i ricercatori. "Penso che tutti siano rimasti sorpresi da quanto sia stato bravo", dice Kate Musgrave, coautrice e responsabile dei cicloni tropicali. Il modello era così bravo nei test retrospettivi che erano scettici che funzionasse in tempo reale. E invece ha funzionato.

Ecco il punto: l'IA usa dati a risoluzione più bassa rispetto ai modelli tradizionali, eppure eccelle. Questo ha sconcertato gli scienziati, perché suggerisce che gli input a bassa risoluzione contengono più segnale di quanto si credesse in precedenza. Alet ammette: "È una scatola nera, in fin dei conti", ma potrebbe suggerire una fisica che non comprendiamo ancora.

Il modello genera anche una serie di scenari - l'anno scorso, 50 per tempesta; ora, 1.000 - per catturare i potenziali effetti farfalla. Questo è qualcosa che i modelli tradizionali non possono fare con l'attuale potenza di calcolo. Brennan, tuttavia, mette in guardia: WeatherNext è solo uno strumento, e l'esperienza umana rimane fondamentale. Dopotutto, "sono gli impatti che uccidono le persone", non solo la previsione.

DeepMind sta rendendo open-source i modelli, sperando che i ricercatori possano scoprire nuove intuizioni. Alet è entusiasta: "Penso che l'IA ci stia dando nuovi strumenti per indagare le leggi dell'universo". E forse, chissà, tenerci un passo avanti rispetto al prossimo capriccio del tempo.