Il WMO segnala i limiti dell'IA nelle previsioni sull'intensità degli uragani
Un articolo del Washington Post pubblicato il 2 ottobre spiega perché i modelli di IA faticano a prevedere l'intensità degli uragani, una difficoltà messa in luce dall'Organizzazione meteorologica mondiale il 2 ottobre. La Rice University usa un modello di IA della NASA per affinare le stime del rischio, mentre WeatherNext 3 di Google continua a fissare i riferimenti di accuratezza.

L'Organizzazione meteorologica mondiale ha pubblicato un aggiornamento venerdì 2 ottobre 2026 sull'intelligenza artificiale nelle previsioni del tempo. Il documento riconosce la rapida integrazione dell'apprendimento automatico nei servizi meteorologici. Segnala però lacune che restano aperte nella previsione dell'intensità specifica dei cicloni tropicali.
Secondo un articolo del Washington Post pubblicato il 2 ottobre, i modelli di IA incontrano ostacoli notevoli quando stimano le velocità massime del vento degli uragani. L'articolo sostiene che l'IA è molto efficace nel seguire la traiettoria delle tempeste, ma che la fisica dell'intensità resta difficile da cogliere con precisione per le reti neurali. Questo limite comporta un rischio diretto per la preparazione alle emergenze e la sicurezza pubblica.
I ricercatori della Rice University hanno annunciato il 2 ottobre di impiegare un modello di IA della NASA per migliorare le stime del rischio degli uragani. L'iniziativa punta a unire dati satellitari e apprendimento automatico per fornire previsioni locali più dettagliate. La collaborazione cerca di colmare il divario tra modelli globali e impatti locali. Il gruppo testerà questi metodi durante l'attuale stagione degli uragani.
Lo standard di Google
Google DeepMind ha rilasciato WeatherNext 3 all'inizio di settembre 2026. Il modello è presentato come il più accurato finora tra i modelli di IA per le previsioni del tempo. È stato introdotto il 3 settembre e da allora è comparso nella rassegna delle novità di IA di Google di settembre. WeatherNext 3 offre previsioni orarie, una funzione importante per i mercati dell'energia e per le decisioni operative in tempo reale. Il modello è stato sviluppato per fornire dati ad alta risoluzione con una perdita minima di anticipo.
Secondo un rapporto di Phys.org del 3 ottobre, gli scienziati usano l'IA per concentrarsi su particelle piccolissime e migliorare le previsioni del tempo e della qualità dell'aria. Questa ricerca affianca i modelli su scala macro concentrandosi sui processi microfisici. L'IA aiuta a elaborare enormi quantità di dati dei sensori per individuare schemi invisibili agli analisti umani. L'integrazione di queste scale sta diventando prassi corrente nei flussi di lavoro meteorologici moderni.
Il supercluster di IA cinese ha completato una previsione globale di 10 giorni in meno di un'ora, secondo un rapporto del 19 settembre. Questa velocità mostra la potenza di calcolo oggi disponibile per le previsioni del tempo. Il modello usa una vasta rete neurale addestrata su decenni di dati storici. Un'elaborazione così rapida consente aggiornamenti ad alta frequenza e previsioni d'insieme.
Applicazioni locali e regionali
Una ricerca del Chiang Rai Times del 3 ottobre ha esaminato se l'IA possa prevedere le alluvioni in Thailandia. Lo studio ha passato in rassegna test recenti che danno risultati contrastanti. L'IA ha migliorato i tempi di anticipo per alcuni eventi, ma ha faticato con terreni complessi e alluvioni improvvise. Gli autori suggeriscono che i modelli ibridi, che uniscono l'IA ai dati idrologici tradizionali, offrono le prestazioni migliori.
Negli Stati Uniti un gruppo della Rice University si concentra sul rischio degli uragani. L'uso del modello di IA della NASA rientra in uno sforzo più ampio per potenziare le capacità del National Hurricane Center. Il modello sarà valutato sui dati storici delle tempeste prima di essere impiegato in attività operative. Questo approccio garantisce che ogni nuovo strumento rispetti standard scientifici rigorosi.
Anche l'innovazione basata sull'IA guidata dai giovani in Bangladesh sta cambiando la preparazione ai cicloni, come riportato da PreventionWeb il 2 ottobre. Il progetto mostra come l'IA venga usata nei paesi in via di sviluppo per salvare vite. Il sistema elabora dati meteorologici in tempo reale per inviare avvisi alle comunità vulnerabili. Dimostra che previsioni efficaci con l'IA non sono riservate a istituzioni ricche con supercomputer.
Il problema della fisica
L'articolo del Washington Post sottolinea che i modelli di IA sono statistici, non fisici. Apprendono correlazioni nei dati storici, non le leggi della dinamica dei fluidi. Questo può portare a errori quando incontrano tempeste che si comportano diversamente dagli esempi passati. I meteorologi avvertono che affidarsi troppo all'IA potrebbe minare la fiducia nei metodi tradizionali di previsione.
WeatherNext 3 di Google affronta alcuni di questi problemi inserendo vincoli fisici nell'addestramento. Il modello è progettato per rispettare le leggi di conservazione, come quelle della massa e dell'energia. Questo approccio ibrido punta a bilanciare la velocità dell'IA con l'accuratezza dei modelli basati sulla fisica. Altri ricercatori stanno esplorando metodi simili per rendere più solide le proprie previsioni.
L'aggiornamento del WMO del 2 ottobre chiede una collaborazione continua tra sviluppatori di IA e meteorologi. Sottolinea la necessità di metriche di valutazione trasparenti e di condivisione aperta dei dati. Senza di esse, il pieno potenziale dell'IA nelle previsioni del tempo resterà inutilizzato. L'organizzazione incoraggia i servizi meteorologici nazionali ad adottare strumenti di IA mantenendo la supervisione umana.
Con il progredire della stagione degli uragani, le prestazioni di questi modelli saranno seguite da vicino. Eventuali fallimenti rilevanti nella previsione dell'intensità potrebbero portare a un esame più severo dei metodi di IA. Le prossime settimane offriranno prove sul campo dei progressi più recenti. Le parti interessate si preparano a una stagione intensa e potenzialmente pericolosa.
L'integrazione dell'IA nelle previsioni del tempo accelera, ma le sfide restano. Risolvere il problema dell'intensità è essenziale per ottenere tutti i benefici di questi strumenti. Servono ricerca continua e cooperazione internazionale. L'obiettivo è un sistema insieme veloce e affidabile.
Fonti
14- 01Anthropic's super bug-hunting model Mythos is hardcore good at math, as latest vuln under attack showsEN
- 02Anthropic claims popular Chinese AI model has Mythos-class hacking abilitiesEN
- 03OpenAI alerts 100+ orgs that its 'misaligned models' attempted to break inEN
- 04A Beginner's Guide to Running AI Models LocallyEN
- 05Cube Rule food classifier using Cloudflare Clef classification modelEN
- 06Training an open decision model to replace a closed one, in shadow on prodEN
- 07Changes to Gemini model access and limitsEN
- 08Open 10-player CS:GO dataset for multiplayer world modelsEN
- 09What does the advent of powerful AI models mean for mathematicians like me?EN
- 10Twelve AI clay films for $184: The agents cost more than the video modelEN
- 11Ideogram 4.5: The most precise edit modelEN
- 12Kolibri: A Sovereign Open-Weight ModelEN
- 13New in Llama.cpp: Decision ModelsEN
- 14Shield: A 118M model for detecting prompt injections and jailbreaksEN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.