Google DeepMind ha pubblicato su Nature un modello AI che prevede traiettoria, intensità e struttura del vento dei cicloni tropicali meglio dei metodi meteorologici classici. Le previsioni a tre giorni di WeatherNext hanno la stessa qualità che i sistemi precedenti raggiungevano a due giorni: un giorno extra di preavviso, che DeepMind paragona a un decennio di progressi nella meteorologia.

Perché ti riguarda. L’AI sta entrando in domini dove la fisica classica lavorava da sola, e lo fa con risultati misurabili su un problema di vita o morte. Durante la stagione 2025 il modello ha aiutato il National Hurricane Center a prevedere l’intensificazione rapida dell’uragano Melissa e il suo landfall in Giamaica, permettendo un’allerta anticipata. Il pattern è quello che ricorre nelle storie di AI applicata che contano: il modello dà ai meteorologi più tempo per decidere. DeepMind rilascia i pesi di WeatherNext 2 e WeatherNext Cyclones in open source.

Se vuoi provarci. I modelli aperti sono sul blog di DeepMind. Per chi lavora in domini previsionali, il dettaglio da studiare è l’ensemble di 1.000 scenari per ciclone che WeatherNext genera per supportare le decisioni dei forecasters.

Nel dettaglio

La previsione meteorologica tradizionale risolve le equazioni della fluidodinamica su supercomputer: prendi i dati attuali (pressione, temperatura, vento) e calcoli come si evolvono nel tempo. Più la griglia è fine, più serve potenza di calcolo. I cicloni tropicali sono difficili da prevedere perché la loro intensità può cambiare in poche ore, e un errore di 100 km sulla traiettoria cambia completamente chi deve evacuare. Secondo i dati citati nel paper, i cicloni hanno causato oltre 700.000 morti e 1.400 miliardi di dollari di perdite economiche in 50 anni.

WeatherNext cambia approccio. Invece di risolvere le equazioni passo per passo, il modello impara dai decenni di dati meteorologici storici (rianalisi, previsioni passate, satelliti) a riconoscere i pattern che portano a un certo sviluppo. Il training avviene sui dati di rianalisi, ricostruzioni coerenti dello stato dell’atmosfera, e il modello genera previsioni che competono con i sistemi numerici.

Il risultato centrale è sulle previsioni a tre giorni. WeatherNext produce previsioni a tre giorni con la stessa accuratezza che i sistemi precedenti raggiungevano a due giorni. In termini pratici: se prima avevi 48 ore per preparare l’evacuazione, ora ne hai 72. DeepMind paragona questo salto a un decennio di progressi nella meteorologia numerica.

L’aspetto che distingue WeatherNext è la collaborazione con i forecasters. Durante la stagione hurricane 2025, il team ha lavorato con il National Hurricane Center, CIRA, il UK Met Office e agenzie meteorologiche di vari paesi. L’uragano Melissa è il caso emblematico: WeatherNext ha previsto l’intensificazione rapida e il landfall in Giamaica, consentendo un’allerta anticipata.

Quest’anno il sistema genera 1.000 scenari possibili per ogni ciclone. È l’approccio ensemble applicato con l’AI: invece di una singola traiettoria, il modello produce un ventaglio di traiettorie possibili con le rispettive probabilità. Per un forecaster, questo significa poter comunicare la probabilità di diverse traiettorie: «c’è il 70% di probabilità che colpisca quest’area, il 30% che vada altrove».

DeepMind ha reso open source due modelli: WeatherNext 2 (previsione generale) e WeatherNext Cyclones (specializzato sui cicloni). I pesi sono scaricabili dal blog.

Cosa resta aperto. Il paper è pubblicato su Nature, ma il blog non riporta i numeri di benchmark sui dataset pubblici standard. Mancano dettagli su come il modello si comporti fuori dalla stagione hurricane, sui cicloni extratropicali, e su quanto il vantaggio regga su scale temporali più lunghe (5-7 giorni). L’impatto reale è documentato per una stagione e un uragano: serve più tempo per capire se il vantaggio regge sistematicamente.