Dagli oceani tropicali dell’Atlantico al Pacifico, la previsione di un uragano o di un tifone deve rispondere a due domande decisive: dove si muoverà la tempesta e quanto rapidamente potrà rafforzarsi o indebolirsi. Il modello WeatherNext Cyclones, sviluppato da Google DeepMind e presentato in uno studio pubblicato su Nature, affronta entrambe le variabili generando scenari probabilistici fino a 15 giorni. Nei test condotti sui cicloni osservati tra il 2023 e il 2025, il sistema ha raggiunto in media livelli di accuratezza paragonabili a quelli dei principali modelli operativi con circa un giorno di anticipo.
WeatherNext Cyclones genera numerosi scenari sulla possibile evoluzione di un ciclone, offrendo ai previsori indicazioni più tempestive su traiettoria, intensità e ampiezza dei venti. Immagine illustrativa generata con intelligenza artificiale.
Il risultato non significa che ogni uragano possa essere previsto con certezza 24 ore prima. Il dato indica piuttosto un vantaggio medio nel raggiungimento di una determinata soglia di accuratezza: in termini pratici, una previsione a tre giorni del nuovo modello può avere prestazioni simili a quelle che i sistemi precedenti ottenevano a due giorni. La differenza è rilevante perché traiettoria e intensità non sono aspetti separati: una variazione del percorso può portare la tempesta verso coste diverse, mentre una rapida intensificazione può ridurre il tempo disponibile per preparare infrastrutture, porti, ospedali e popolazione.
deepmind.googleWeatherNext enables accurate cyclone forecasts that can give an extra day of warning. Now we are open sourcing the model.
WeatherNext Cyclones non restituisce una sola linea previsionale, ma un insieme ampio di evoluzioni alternative. La ricerca indica la possibilità di arrivare fino a 1.000 membri per ciascun ensemble, contro configurazioni operative tradizionali spesso molto più contenute. Un numero maggiore di simulazioni consente di rappresentare meglio anche gli scenari meno probabili, compresi quelli associati a deviazioni della rotta, cambiamenti nella forza del sistema o variazioni nell’estensione dei venti. Per i previsori, il vantaggio consiste quindi nella possibilità di valutare una distribuzione del rischio e non soltanto un percorso centrale.
developers.google.comUno degli elementi più interessanti dello studio riguarda la quantità di dettaglio necessaria per ottenere risultati competitivi. Il modello è stato addestrato su dati di analisi globale e su un archivio storico dei cicloni tropicali, ma utilizza ingressi con una risoluzione molto più grossolana rispetto a quella tipica dei modelli regionali. Secondo gli autori, questa informazione atmosferica contiene un segnale sull’intensità dei cicloni più utile di quanto si ritenesse in precedenza. L’intelligenza artificiale, in questo caso, non sostituisce l’osservazione fisica dell’atmosfera: riconosce relazioni ricorrenti nei dati e le traduce rapidamente in scenari previsionali.
La sperimentazione ha riguardato tre componenti fondamentali del rischio: la posizione futura del ciclone, la sua intensità e i raggi dei venti. Quest’ultimo elemento è particolarmente importante perché il pericolo non dipende soltanto dal punto in cui si trova il centro della tempesta. Un sistema molto esteso può produrre condizioni pericolose lontano dalla traiettoria centrale, coinvolgendo coste, isole e aree interne con effetti differenti. Una previsione capace di descrivere anche l’ampiezza del campo di vento può quindi offrire un quadro più utile per la pianificazione operativa.
Il modello deve essere considerato uno strumento di supporto e non un sistema autonomo di allerta pubblica. Le comunicazioni ufficiali restano affidate ai centri meteorologici nazionali e regionali, che integrano osservazioni satellitari, dati radar, modelli numerici, esperienza dei previsori e valutazioni sugli impatti. L’Organizzazione meteorologica mondiale sottolinea che i cicloni possono cambiare rapidamente traiettoria o intensità e che le informazioni diffuse al pubblico devono essere trasformate in messaggi comprensibili e collegati alle procedure di protezione civile.
Il valore concreto di un giorno aggiuntivo dipende dal territorio interessato e dal tipo di decisione da prendere. In una grande area costiera può consentire di distribuire meglio le evacuazioni, organizzare i trasporti, mettere in sicurezza le imbarcazioni e predisporre strutture di accoglienza. In un’isola o in una regione con collegamenti limitati, lo stesso intervallo può essere decisivo per spostare persone vulnerabili e rifornimenti prima che il peggioramento renda più difficili gli interventi. Non è però un margine automaticamente disponibile per tutti: deve essere tradotto in avvisi tempestivi, comunicazioni affidabili e capacità operativa locale.
wmo.intEarly Warnings for All is a groundbreaking initiative to ensure that everyone on Earth is protected from hazardous weather, water, or climate events through life-saving early warning systems by the end of 2027, as called for by United Nations Secretary-General António Guterres on World Meteorological Day 2022. With human-induced climate change leading to more extreme weather conditions, the need for early warning systems is more crucial than ever. Despite the urgent need, only half of the countries worldwide report having adequate multi-hazard early warning systems. Early warning systems are not a luxury, but a cost-effective tool that saves lives, reduces economic losses, and provides a nearly tenfold return on investment. WMO, together with the United Nations Office for Disaster Risk Reduction (UNDRR), co-lead the Early Warnings for All initiative, with support from the International Telecommunication Union (ITU) and the International Federation of Red Cross and Red Crescent Societies (IFRC). The delivery of Early Warnings for All requires scale up and coordinated investments and action across the four essential pillars of people centred, end to end Multi-Hazard Early Warning Systems (MHEWS): Disaster risk knowledge,Detection, observation, monitoring, analysis, and forecastingWarning dissemination and communication andPreparedness and response capabilities. Achieving Early Warnings for All requires broad partnerships at the global, regional, and national levels in support of the most vulnerable and at risk. The 2023 Global Status of Multi-Hazard Early Warning Systems report, launched at COP28, analyses the latest data one year into the Early Warnings for All Initiative, which aims to cover everyone everywhere by 2027. An Interactive Early Warnings for All Dashboard is now also available. Global Early Warnings for All Initiative
Il confronto con la pratica operativa chiarisce il contesto. Nel bacino atlantico e nel Pacifico nord-orientale, il National Hurricane Center pubblica previsioni ufficiali della posizione del centro e della velocità massima dei venti a intervalli regolari, con scadenze che arrivano fino a cinque giorni. L’intelligenza artificiale può aggiungere indicazioni sperimentali e rapidamente aggiornabili, ma la valutazione finale deve continuare a considerare l’incertezza, la qualità delle osservazioni disponibili e le caratteristiche specifiche di ciascun bacino tropicale.
prod-east-nhc.woc.noaa.govSecondo Google DeepMind, una versione del sistema è stata utilizzata come supporto durante la stagione degli uragani del 2025, anche nel caso dell’uragano Melissa, contribuendo a individuare l’intensificazione rapida e il successivo impatto sulla Giamaica. Questo episodio non costituisce da solo una validazione generale del modello, ma mostra quale potrebbe essere l’impiego futuro: fornire ai centri previsionali un ulteriore insieme di scenari da confrontare con gli strumenti già in uso, soprattutto quando la tempesta evolve in modo più veloce del previsto.
Il punto più significativo di WeatherNext Cyclones non è soltanto la velocità di calcolo, ma la possibilità di anticipare decisioni in condizioni di incertezza. Un giorno in più può ridurre la pressione sulle autorità e permettere di preparare risposte meno improvvisate, ma il beneficio dipende dalla precisione con cui l’informazione viene comunicata e dalla fiducia che riesce a generare. La prestazione media misurata nello studio va quindi interpretata come un progresso scientifico potenzialmente utile, non come la promessa di una previsione perfetta per ogni evento.
La disponibilità del modello e dei relativi strumenti di ricerca apre anche una questione geografica. Le capacità previsionali più avanzate possono produrre effetti concreti soltanto se i dati arrivano ai servizi meteorologici che operano nei territori esposti e se questi dispongono di sistemi di allerta, comunicazione e protezione civile adeguati. La condivisione internazionale può ampliare l’utilità del progetto, mentre l’uso senza verifica locale potrebbe creare confusione tra una guida sperimentale e un avviso ufficiale.
Nei prossimi anni sarà importante verificare se il vantaggio medio osservato nel periodo 2023-2025 resterà stabile su stagioni diverse, intensità differenti e bacini con caratteristiche atmosferiche e oceaniche non identiche. Andrà inoltre valutato il comportamento del modello nei casi di rapida intensificazione, nelle tempeste più piccole e negli scenari in cui la traiettoria cambia bruscamente. La ricerca offre una base promettente, ma la trasformazione in servizio operativo richiede confronti continui, trasparenza sui limiti e integrazione con le procedure dei centri ufficiali.
La prospettiva più realistica è quella di una collaborazione sempre più stretta tra modelli fisici, intelligenza artificiale e previsori umani. Gli ensemble più numerosi possono migliorare la stima dell’incertezza, mentre i modelli numerici continuano a fornire una rappresentazione coerente dell’atmosfera e delle sue leggi fisiche. Resta da osservare quanto rapidamente le istituzioni riusciranno a incorporare questi strumenti nei flussi di lavoro, nelle mappe di rischio e nelle comunicazioni rivolte alle comunità costiere.
