Un algoritmo di apprendimento automatico sviluppato da Microsoft Research, Massachusetts Institute of Technology e Università di Toronto ha raddoppiato l'accuratezza delle previsioni meteorologiche nella finestra tra due e sei settimane, finora considerata un territorio in cui, come dice il climatologo Judah Cohen del MIT, "fare previsioni non è diverso dall'andare al casinò e lanciare i dadi". Lo studio è pubblicato su Nature e il codice del modello, battezzato Probabilistic Bias Correction (PBC), è rilasciato come open source.
Il 'deserto della prevedibilità' tra 10 e 45 giorni
Dalle due settimane in avanti l'atmosfera smette di collaborare: è la soglia individuata negli anni Sessanta da Edward Lorenz con la teoria del caos. Oltre quel limite i piccoli errori nelle condizioni iniziali si amplificano fino a sommergere il segnale meteorologico, mentre i fattori lenti come El Niño o le oscillazioni della stratosfera iniziano a contare più della dinamica di breve periodo. La fascia tra due e sei settimane è talmente intrattabile che la comunità scientifica la chiama deserto della prevedibilità.
Il gruppo guidato da Cohen e da Lester Mackey (Microsoft Research) ha rinunciato a sostituire i modelli dinamici: PBC li lascia girare e corregge in post-processing i loro errori sistematici usando l'apprendimento automatico sull'archivio storico. Il modello è stato addestrato sul supercomputer MIT Engaging ma per funzionare non richiede hardware specializzato, un dettaglio che apre la porta alle agenzie meteorologiche di media taglia.
I numeri del test ECMWF
La prova sul campo è arrivata con l'AI Weather Quest del Centro europeo per le previsioni a medio termine, la competizione internazionale lanciata il 14 agosto 2025 e dedicata proprio alla finestra sub-stagionale. L'ensemble MicroDuet, basato su PBC, si è classificato primo nel trimestre settembre-novembre 2025 su ogni variabile e ogni lead time, battendo i modelli dinamici di sei agenzie governative (ECMWF, NOAA, ECCC, HMCR, KMA, JMA), tre modelli IA dell'ECMWF e i sistemi di 34 team provenienti da tutto il mondo.
Applicato al sistema IA dell'ECMWF (AIFS), PBC ne ha raddoppiato l'accuratezza. Secondo le percentuali di miglioramento diffuse da Microsoft Research rispetto ai modelli dinamici di riferimento la skill cresce del 98% sulle precipitazioni, del 92% sulla temperatura e del 91% sulla pressione a livello del mare. Il salto più importante secondo gli autori riguarda la capacità di anticipare eventi estremi, come nubifragi localizzati, tempeste e ondate di calore, che oggi sfuggono quasi sistematicamente alla previsione a cinque settimane.
Cosa cambia per la ricerca climatica italiana
L'Italia del 2025 ha chiuso l'anno con un'anomalia termica di +1,03 gradi rispetto alla media 1991-2020 e un picco di +3,23 gradi a giugno, secondo il rapporto SNPA; i mari italiani hanno registrato il secondo valore più caldo dal 1982, con due mesi sopra i 26 gradi. Istat conta 188 eventi alluvionali urbani tra il 2000 e il 2024. Spostare la finestra utile di previsione da due a sei settimane non è una curiosità accademica: è il tempo tipico richiesto per pianificare la protezione delle colture, l'evacuazione delle aree a rischio e la gestione della rete elettrica.
Il tema è sul tavolo dei centri italiani da anni. Il CMCC di Bologna, nel progetto europeo CLINT, ha pubblicato nel 2025 un sistema di machine learning per anticipare le ondate di calore e, nella divisione Climate Simulation and Prediction, lavora su previsioni sub-stagionali e stagionali per il bacino mediterraneo. Il fatto che il codice di PBC sia su GitHub significa che università, ARPA regionali e protezione civile possono testarlo sui propri archivi senza negoziare licenze, un vantaggio competitivo raro negli strumenti IA all'altezza dello stato dell'arte.
Il primo a bussare alla porta degli autori è stato il servizio meteorologico della Repubblica del Kenya, interessato a usare il modello per la stagione dei monsoni e per decidere quando concimare o proteggere le colture dalle gelate. Chi raccoglierà la sfida tra gli enti italiani vedrà il tema spostarsi dalle congetture accademiche al cambiamento concreto del Mediterraneo, dove sei settimane di preavviso valgono spesso la differenza tra un'allerta inascoltata e un piano di emergenza funzionante. Per inquadrare il contesto della ricerca italiana si veda anche il quadro dei fondi ERC che vanno all'estero e la trasformazione della superficie lunare in sei settimane, a dimostrazione di quanto sia breve l'orizzonte temporale su cui oggi si giocano scoperte decisive.
Domande frequenti
Cosa si intende per 'deserto della prevedibilità' nelle previsioni meteo?
Il 'deserto della prevedibilità' è la fascia temporale fra 10 e 45 giorni in cui le previsioni meteorologiche sono tradizionalmente molto inaffidabili a causa dell'amplificazione degli errori iniziali e della crescente influenza di fattori lenti come El Niño.
Come funziona il modello Probabilistic Bias Correction (PBC)?
PBC non sostituisce i modelli dinamici ma corregge i loro errori sistematici in post-processing, utilizzando l'apprendimento automatico su dati storici, migliorando così l'accuratezza delle previsioni tra due e sei settimane.
Quali sono i principali vantaggi offerti dal modello PBC rispetto ai modelli tradizionali?
PBC ha raddoppiato l'accuratezza delle previsioni tra due e sei settimane, soprattutto per eventi estremi come nubifragi e ondate di calore, e non necessita di hardware specializzato, rendendolo accessibile anche a enti di media dimensione.
In che modo il modello PBC può essere utile per la ricerca climatica e la gestione dei rischi in Italia?
Un preavviso di sei settimane permette di pianificare meglio la protezione delle colture, la gestione delle emergenze e della rete elettrica, con un impatto concreto su settori chiave per il paese.
Chi può utilizzare il modello PBC e come è stato reso disponibile?
Il codice di PBC è rilasciato open source su GitHub, consentendo a università, ARPA regionali e protezione civile di testarlo liberamente e senza negoziare licenze, favorendo l'adozione su larga scala.
Quali risultati ha ottenuto il modello PBC nelle competizioni internazionali?
Nella AI Weather Quest 2025, l'ensemble MicroDuet basato su PBC si è classificato primo su tutte le variabili e lead time, superando modelli dinamici e IA di 34 team da tutto il mondo.
