Come l'IA sta cambiando le previsioni meteorologiche: GraphCast, AIFS e il GEML del Canada

Le agenzie meteorologiche in Europa e Nord America hanno iniziato a eseguire modelli di intelligenza artificiale fianco a fianco con sistemi di previsione basati sulla fisica risalenti a decenni fa, e in alcuni casi stanno fondendo i due. Lo spostamento e guidato dalla capacita dell'IA di produrre una previsione globale di 10 giorni in meno di un minuto su un singolo processore, rispetto a ore di tempo di supercomputer per la previsione numerica tradizionale, secondo Google DeepMind e il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF).

Cosa fanno effettivamente GraphCast e AIFS

GraphCast, costruito da Google DeepMind, e un modello di machine learning che utilizza reti neurali a grafo per elaborare dati meteorologici su piu di un milione di punti griglia che coprono la superficie terrestre con una risoluzione di 28 per 28 chilometri. Prende lo stato atmosferico da sei ore prima e lo stato attuale, quindi prevede le successive sei ore; ripetendo questo passaggio si produce una previsione di 10 giorni. Il modello e i suoi risultati sono stati pubblicati sulla rivista Science il 14 novembre 2023, con il suo codice rilasciato come open source, secondo il proprio annuncio di Google DeepMind.

ECMWF ha costruito il proprio sistema, l'Artificial Intelligence Forecasting System (AIFS), che e diventato operativo il 25 febbraio 2025, funzionando insieme all'Integrated Forecasting System (IFS) tradizionale basato sulla fisica del centro. AIFS utilizza gli stessi dati di partenza di IFS – circa 60 milioni di osservazioni controllate dalla qualita da satelliti, aeroplani, boe e stazioni terrestri raccolte ogni sei ore – ma applica un modello di machine learning addestrato su modelli meteorologici storici invece di risolvere direttamente equazioni fisiche, secondo ECMWF.

Quanto accurati sono i modelli di IA, secondo le organizzazioni che li hanno costruiti

Google DeepMind ha riferito che GraphCast ha prodotto previsioni piu accurate della High Resolution Forecast (HRES) dell'ECMWF – descritta dall'azienda come il benchmark del settore – su piu del 90% di 1.380 variabili di test e tempi di previsione, e nel 99,7% delle variabili specifiche della troposfera, lo strato dell'atmosfera in cui si verifica la maggior parte del tempo. DeepMind ha anche affermato che GraphCast ha previsto l'approdo della Giove Lee nella Nuova Scozia nove giorni in anticipo.

ECMWF ha riferito che AIFS "supera i modelli basati sulla fisica all'avanguardia per molte misure, incluse le tracce dei cicloni tropicali, con guadagni fino al 20%," utilizzando all'incirca 1.000 volte meno energia per previsione rispetto ai metodi convenzionali.

L'approccio ibrido del Canada: l'IA che guida un modello basato sulla fisica

Environment and Climate Change Canada ha scelto una rotta diversa, costruendo un modello di IA canadese chiamato Global Environmental eMuLator (GEML) sulla base del codice open source di GraphCast di DeepMind e addestrarlo sui dati meteorologici storici canadesi. Invece di sostituire il modello basato sulla fisica, l'agenzia combina i due attraverso una tecnica che chiama "spectral nudging": il modello tradizionale e delicatamente guidato verso lo stato atmosferico generato da GEML, mentre i dettagli a scala piu fine rilevanti per il meteo severo si evolvono ancora usando le equazioni fisiche stabilite, secondo l'annuncio ufficiale dell'agenzia. Il sistema ibrido e diventato operativo il 27 maggio 2026, dopo piu di un anno di test.

Environment and Climate Change Canada ha affermato che i modelli di IA possono superare i modelli informatici tradizionali per i modelli atmosferici su larga scala, che e piu importante a tempi di previsione piu lunghi, ma non ha pubblicato una cifra di miglioramento specifico nell'annuncio.

Dove l'IA ha ancora carenze

Sia ECMWF che Environment and Climate Change Canada hanno segnalato limiti. L'AIFS di ECMWF attualmente funziona solo come previsione deterministica singola; una versione ensemble che offre 50 variazioni di previsione, che e standard per valutare l'incertezza della previsione, e ancora in fase di sviluppo, secondo ECMWF. Environment and Climate Change Canada ha affermato che, di per se, i modelli di IA attuali prevedono solo un numero limitato di variabili, che non e sufficiente per l'uso operativo, e che levigano i dettagli atmosferici piu fini in modi che possono ridurre l'accuratezza per certi tipi di meteo estremo – una ragione per cui l'agenzia ha scelto un design ibrido invece di un sistema solo IA.