Le ondate di calore estreme non sono più un’eccezione statistica. Oggi sono un effetto, letale e frequente, del cambiamento climatico. I modelli meteorologici di cui disponiamo prevedono picchi di calore anomalo con precisione solo per i successivi 10 o 15 giorni. È una finestra stretta per approntare contromisure efficaci. O perlomeno lo era. Il rapporto tra intelligenza artificiale e clima potrebbe rivoluzionare questo paradigma.
Un team di ricercatori italiani del Centro Euro-Mediterraneo sui Cambiamenti Climatici, CMCC, ha sviluppato un sistema basato sul machine learning capace di individuare le anomalie termiche fino a sette settimane prima del loro arrivo. Questa ricerca, pubblicata su prestigiose riviste scientifiche come Nature, dà vita a un binomio strategico, quello tra intelligenza artificiale e clima, che potrebbe offrire uno scudo tecnologico senza pari né precedenti per la salute pubblica e la stabilità economica.
Il limite dei modelli meteorologici tradizionali
La meteorologia classica è un trionfo della fisica deterministica. Si basa su equazioni termodinamiche e della dinamica dei fluidi estremamente complesse. Queste richiedono la potenza di calcolo di supercomputer grandi quanto intere stanze. Simili modelli sono, indubitabilmente, eccellenti nel breve periodo. Fotografano lo stato dell’atmosfera e, a partire dalle immagini e dai dati strutturati messi assieme, ne calcolano l’evoluzione immediata.
Tuttavia, quando si cerca di spingere lo sguardo oltre le due settimane, entra in gioco quello che in meteorologia si definisce caos atmosferico. Piccole variazioni iniziali si amplificano esponenzialmente, rendendo le previsioni ampiamente inaffidabili, più simili a una scommessa che a un’analisi probabilistica. Questo limite strutturale ha spesso lasciato le città impreparate di fronte all’arrivo improvviso di bolle africane, bombe d’acqua o altri fenomeni estremi, come quelli cui assistiamo sempre più spesso. Ciò ha significato conseguenze drammatiche per la mortalità urbana e danni ingenti in settori come il primario, molto dipendenti dalle condizioni atmosferiche.
Intelligenza artificiale e clima: il funzionamento dell’algoritmo predittivo del CMCC
L’approccio del CMCC all’intelligenza artificiale non cerca di calcolare ogni singolo movimento delle molecole d’aria, ma adotta una prospettiva diversa. Sfrutta il riconoscimento dei pattern meteo. Questi, per loro natura, si ripetono nel corso del tempo e, generalmente, anticipano sempre gli stessi esiti.
Il machine learning applicato ai pattern oceanici e atmosferici
L’algoritmo sfruttato dal team di ricercatori è stato addestrato attraverso decenni di dati climatici storici. All’IA non è stato chiesto di risolvere equazioni fisiche complesse in pochi secondi, bensì di riconoscere segnali premonitori invisibili tanto all’occhio umano, non abbastanza potente, quanto ai modelli classici, incapaci di farlo perché strutturati per procedere attraverso il calcolo ripetuto.
Attraverso questo modo di operare e di procedere è stato scoperto, ad esempio, che specifiche variazioni della temperatura sulla superficie degli oceani, o particolari livelli di umidità del suolo in aree remote del pianeta, sono collegate all’insorgere di ondate di calore in Europa settimane dopo. È una forma di intuito statistico potenziato, se così vogliamo definirlo, che connette variabili globali allo scopo di prevedere e anticipare eventi locali.
7 settimane di preavviso per salvare vite e raccolto
Avere quasi due mesi di vantaggio, rispetto alla manciata di giorni che ci concedono le previsioni abituali, cambia completamente il paradigma dell’adattamento climatico attraverso l’AI. Non dobbiamo più muoverci in tempi strettissimi, nei quali spesso non è oggettivamente neppure possibile prendere le decisioni giuste, dal momento che il pericolo è già dietro l’angolo e non ci dà modo di operare liberi da panico e agitazione. Un preavviso più lungo porta benefici a cascata, nella limitazione dei danni causati da agenti atmosferici estremi:
- in agricoltura, la prevenzione della siccità diventa proattiva. I coltivatori possono pianificare le semine, o razionare l’irrigazione, ben prima che il suolo si inaridisca e divenga incapace di assorbire copiose quantità di acqua.
- Nella sanità pubblica, ma anche in quella privata, gli ospedali possono potenziare per tempo i reparti di pronto soccorso, così come i servizi di assistenza, domiciliare e non, per gli anziani e i soggetti più deboli, garantendo una rete di risposta all’emergenza che non li escluda.
- In merito alla gestione idrica: Le autorità possono ottimizzare il livello degli invasi e delle dighe, accumulando riserve prima che l’ondata di calore aumenti la domanda e riduca l’offerta idrica o liberandole, in previsione di una pioggia torrenziale.
Intelligenza artificiale contro modelli tradizionali
Vediamo un confronto sintetico, ma chiaro, di quale sia la differenza tra l’approccio classico della meteorologia e la nuova frontiera del machine learning contro il surriscaldamento globale.
| Parametro | Modelli fisici tradizionali | Modelli di machine learning (AI) |
| Finestra di previsione affidabile | 10-15 giorni come massimo. | fino a 6-7 settimane. |
| Logica di funzionamento | Equazioni fisiche e termodinamiche complesse. | Riconoscimento e riproposizione di pattern storici. |
| Capacità di calcolo richiesta | Estremamente alta, alla portata di soli supercomputer. | Molto bassa, dopo una prima fase di addestramento intenso. |
| Punto di forza | Precisione millimetrica, limitata nel breve termine. | Visione strategica, impiegabile sul lungo periodo. |
| Limiti attuali | Caos atmosferico a lungo termine, inattendibilità su un periodo superiore alle due settimane. | Dipendenza dalla qualità dei dati storici, i quali devono essere veritieri e completi. |
Intelligenza artificiale, clima e scenari futuri di adattamento climatico
Il successo nel prevedere il calore estremo, principale obiettivo della ricerca del CMCC, non è un punto di arrivo. Al contrario, si tratta solo dell’inizio di una trasformazione più vasta nella scienza del clima. La disciplina può fare passi da gigante grazie alla tecnologia e il potenziale dell’AI è tale da rendere la meteorologia finalmente sfruttabile anche sul medio periodo, cosa che non era mai stata possibile in precedenza.
Non solo caldo: prevedere alluvioni e siccità lampo
La tecnologia che stiamo descrivendo appare pronta per ampliare il ventaglio delle sue applicazioni ed essere sfruttata per la previsione di altri fenomeni estremi. L’obiettivo è quello di servirsene anche per anticipare, con discreto anticipo, le cosiddette flash drought, siccità improvvise e particolarmente devastanti, poiché inaridiscono il suolo con una velocità inconcepibile.
Alla stessa maniera, il machine learning può portare la strumentazione di previsione a tratteggiare gli eventi di precipitazione estrema prima che si verifichino nella zona presa in esame. Questo permetterà di passare da una gestione dell’emergenza post-evento, reattiva, a una pianificazione preventiva del territorio, riducendo in maniera potenzialmente considerevole i danni a infrastrutture, colture e centri abitati.
Il rischio legato allo studio dei dati del passato in un clima che cambia
Vi è però una sfida oggettiva che va vinta, prima di poterci affidare ciceamente ad algoritmi come WeatherGenerator del CMCC, com’è denominato il sistema che abbiamo fin qui descritto, o quelli più avanzati che, immaginiamo, lo seguiranno nei prossimi anni.
Se l’intelligenza artificiale impara dal passato, dai decenni di dati che le abbiamo dato in pasto, come potrà anticipare gli eventi futuri, dal momento che siamo entrati in un’era climatica contraddistinta da pattern che l’umanità non ha mai registrato prima. In che modo l’algoritmo riuscirà a riconoscere un’evoluzione inedita, che non ha paragoni nei set di dati già analizzati ed esaminati?
La frontiera della ricerca sta già tenendo atto di questa variabile, puntando sull’approccio ibrido. Il CMCC integrerà gradualmente la solidità delle leggi fisiche utilizzate dai modelli tradizionali nel suo algoritmo, così da consentirgli di creare previsioni capaci di interpretare anche l’ignoto, basandosi sul raffronto tra le ondate di calore del passato e i fenomeni atmosferici suggeriti dalla disposizione delle nubi e dall’agitazione delle molecole d’aria.
