Il nuovo modello Storm di DeepMind regala ai meteorologi un giorno in più e nessuno sa bene perché funzioni

Google DeepMind ha pubblicato WeatherNext Cyclones, un modello di previsione delle tempeste tropicali che vede circa un giorno più avanti rispetto ai migliori sistemi operativi oggi in uso. Per metterlo in prospettiva, un giorno in più di allerta riguarda ciò che i modelli meteorologici convenzionali hanno guadagnato nel decennio precedente. L’opera è apparsa su Nature ed è stata realizzata insieme al National Hurricane Center degli Stati Uniti, al Cooperative Institute for Research in the Atmosphere e al Met Office del Regno Unito.

La previsione dei cicloni ha sempre comportato un mestiere fastidioso. I modelli globali come il sistema europeo di ensemble sono efficaci nel prevedere dove andrà una tempesta, ma sono troppo grossolani per dire quanto sarà forte. Modelli regionali specializzati come l’intensità del chiodo HAFS della NOAA ma vanno alla deriva in pista. WeatherNext Cyclones fa entrambe le cose in un unico sistema. Su una previsione di cinque giorni, il centro della tempesta stimato è spostato di una media di 230 chilometri, contro i 370 dell’insieme europeo e i 335 del precedente modello GenCast di DeepMind. Nell’intensità di tre giorni batte HAFS di circa 3,75 nodi. Durante l’uragano Melissa, che colpì la Giamaica nel 2025, DeepMind afferma che il modello ha aiutato i meteorologi a cogliere in tempo la rapida intensificazione della tempesta.

La parte veramente strana è la risoluzione. Il modello funziona su una griglia in cui ogni punto copre circa 28 chilometri, circa cento volte più grossolana rispetto ai modelli regionali specializzati che supera. Anche una variante compatta con 111 chilometri per punto della griglia rimane competitiva. “L’alta risoluzione non è un prerequisito rigoroso per una previsione dell’intensità all’avanguardia”, scrivono gli autori. La loro onesta conclusione è che i dati atmosferici grossolani apparentemente contengono molte più informazioni sulla forza delle tempeste di quanto si pensasse, e il modo esatto in cui il modello le estrae è ancora una questione di ricerca aperta.

Due scelte tecniche hanno svolto la maggior parte del lavoro. Invece dell’approccio di diffusione utilizzato da GenCast, che richiede dozzine di passaggi attraverso la rete per passaggio, questo modello utilizza reti generative funzionali che riescono a cavarsela con un singolo passaggio, rendendolo otto volte più veloce. E invece di aggiungere rumore casuale pixel per pixel, inietta rumore negli strati di controllo della rete, il che produce scenari genuinamente diversi ma fisicamente plausibili invece di varianti confuse di una risposta. Poiché una previsione a 15 giorni ora viene eseguita in meno di un minuto su un chip AI di Google, il team ha aumentato il numero di scenari paralleli per tempesta da 50 a 1.000, che è ciò che fa sì che si manifestino rari risultati estremi.

Cosa significa per te: A meno che tu non viva in una zona tempestosa, questo non è qualcosa che toccherai. È comunque importante, per due ragioni. In primo luogo, si tratta di un caso concreto di intelligenza artificiale che produce un reale guadagno per la sicurezza pubblica piuttosto che una vittoria di riferimento, e il codice e il peso del modello si trovano su GitHub con una licenza aperta, con una versione ridotta che funziona gratuitamente su un notebook Colab. In secondo luogo, DeepMind è attento a inquadrarlo come un complemento, non come un sostituto: l’Hurricane Center unisce ancora diversi modelli basati sulla fisica e per gli avvisi ufficiali dovresti comunque ascoltare il tuo servizio meteorologico nazionale. Vale la pena notare questa moderazione in un campo che solitamente vende troppo.

Fonti

• Google DeepMind: il modello AI WeatherNext raggiunge una svolta nella previsione dei cicloni
• Carta in natura
• Codice e pesi su GitHub
• Il decoder: WeatherNext prevede le tracce e l’intensità dei cicloni allo stesso tempo