Quando l’intelligenza artificiale studia gli eventi estremi

L’intelligenza artificiale sta entrando nel campo del cambiamento climatico e potrà essere determinante. Un’ondata di calore, un’alluvione improvvisa, una siccità prolungata o una tempesta particolarmente intensa non sono soltanto fenomeni meteorologici. Quando raggiungono livelli estremi possono trasformarsi in emergenze capaci di mettere sotto pressione infrastrutture, ecosistemi, economie e comunità. Capire perché questi eventi si verificano e quanto il cambiamento climatico contribuisca alla loro intensità è quindi una delle sfide della ricerca contemporanea.

Dal singolo evento al cambiamento del clima

Prima di capire che cosa possa fare l’intelligenza artificiale, occorre distinguere due concetti spesso sovrapposti: meteorologia e clima. Il tempo meteorologico descrive ciò che accade nell’atmosfera in un determinato momento e luogo. Il clima, invece, riguarda l’insieme delle condizioni atmosferiche e delle loro variazioni osservate su periodi molto più lunghi. Un singolo temporale, quindi, non può essere automaticamente attribuito al cambiamento climatico. La domanda scientificamente più interessante è un’altra: quanto è cambiata la probabilità o l’intensità di quell’evento a causa del riscaldamento globale? È questo uno degli obiettivi della cosiddetta extreme event attribution, cioè l’attribuzione degli eventi estremi.

Il progetto europeo XAIDA – Extreme Events: Artificial Intelligence for Detection and Attribution, finanziato dall’Unione europea con quasi 6 milioni di euro, ha cercato proprio di sviluppare nuovi strumenti per affrontare questa domanda. Il progetto, coordinato dal Centre National de la Recherche Scientifique (CNRS), ha riunito 16 partner con competenze in intelligenza artificiale, statistica, modellistica climatica, dinamica atmosferica e inferenza causale. È stato attivo dal settembre 2021 al febbraio 2026. L’obiettivo non era semplicemente prevedere “che tempo farà”, ma cercare di comprendere quali meccanismi abbiano contribuito a rendere un evento estremo più probabile, più intenso o più persistente.

Perché l’intelligenza artificiale può essere utile

I sistemi climatici producono una quantità enorme di dati: temperature, precipitazioni, pressione atmosferica, venti, umidità, correnti oceaniche, immagini satellitari e simulazioni dei modelli climatici. Analizzare queste informazioni significa confrontare enormi quantità di variabili che interagiscono tra loro. È qui che gli algoritmi di machine learning possono offrire un contributo. Nel progetto XAIDA sono state combinate tecniche di apprendimento automatico, inferenza causale, individuazione degli eventi e valutazione degli impatti con modelli climatici statistici e metodi tradizionali di attribuzione. L’idea è costruire strumenti capaci non soltanto di riconoscere un’anomalia, ma di individuare le relazioni tra differenti fattori e aiutare i ricercatori a ricostruire le dinamiche che conducono a un evento estremo.

Tra gli strumenti sviluppati rientrano AIDE, dedicato all’individuazione e all’analisi degli eventi estremi, e CAUSEME, pensato per studiare relazioni di causa-effetto all’interno di sistemi climatici complessi. Il progetto ha inoltre lavorato su GreenEarthNet, un toolkit che combina osservazioni della Terra e risultati dei modelli climatici per studiare la risposta degli ecosistemi ai cambiamenti ambientali. L’IA, in questo senso, diventa soprattutto uno strumento di esplorazione: permette di cercare schemi e relazioni che sarebbe molto più difficile individuare analizzando manualmente una mole così grande di informazioni.

Le ondate di calore come laboratorio

Uno degli esempi più interessanti riguarda le ondate di calore. XAIDA ha utilizzato, tra le altre tecniche, i variational autoencoders, una particolare architettura di deep learning, per analizzare il modo in cui gli eventi di calore estremo cambiano in relazione al riscaldamento del clima. Il risultato ha evidenziato anche un problema importante: in alcune aree le ondate di calore osservate stanno aumentando più rapidamente di quanto suggeriscano alcuni modelli climatici. Non significa che i modelli climatici siano inutili o che l’intelligenza artificiale abbia dimostrato che “la scienza si è sbagliata”, piuttosto, che esistono ancora incertezze e processi fisici che devono essere compresi meglio.

Uno studio pubblicato nel 2023 su Nature Communications aveva già evidenziato una situazione simile nell’Europa occidentale. Analizzando 170 simulazioni provenienti da 32 modelli climatici, i ricercatori hanno rilevato che l’aumento osservato degli estremi di calore nella regione era maggiore rispetto a quello simulato dai modelli. Una parte significativa della differenza era associata a cambiamenti nella circolazione atmosferica, inclusa una maggiore frequenza dei flussi meridionali verso l’Europa occidentale. È proprio in situazioni come questa che l’uso combinato di modelli climatici, osservazioni e intelligenza artificiale può diventare interessante: non per produrre una risposta automatica, ma per individuare dove la nostra comprensione del sistema climatico può essere migliorata.

604 eventi estremi in un solo anno

La necessità di migliorare questi strumenti emerge anche dalla dimensione del fenomeno. Secondo i dati riportati dalla Commissione europea nell’ambito dei risultati di XAIDA, nel 2024 sono stati registrati circa 604 eventi meteorologici estremi a livello globale, molti dei quali classificati come insoliti o senza precedenti. Il dato comprende eventi di diversa natura e non significa che 604 eventi siano stati causati dal cambiamento climatico. È invece un’indicazione della quantità e della complessità dei fenomeni che la comunità scientifica deve monitorare.

Per alcuni eventi la relazione con il riscaldamento globale è ormai ben documentata. Per altri, soprattutto quando entrano in gioco contemporaneamente più fattori atmosferici e territoriali, stabilire un rapporto causale è molto più complesso, come nel recente drammatico disastro tra Nepal e Tibet. È proprio questa distinzione a essere fondamentale. Dire che “il cambiamento climatico ha causato un’alluvione” può essere scientificamente troppo semplicistico, mentre è più corretto specificare che gli studi di attribuzione possono cercare di stabilire se il cambiamento climatico abbia aumentato la probabilità dell’evento o modificato la sua intensità.

L’intelligenza artificiale non è una sfera di cristallo

Il crescente utilizzo dell’IA nella ricerca climatica potrebbe alimentare un equivoco: pensare che un algoritmo sia in grado di prevedere con certezza il prossimo evento estremo. Non è così. Un modello di intelligenza artificiale impara dai dati disponibili. Se i dati sono incompleti, poco rappresentativi o contengono errori, anche il risultato può essere problematico. Inoltre, gli eventi estremi sono proprio quelli più difficili da studiare perché, per definizione, sono relativamente rari.

C’è poi un’altra questione: capire perché un modello abbia prodotto una determinata previsione. Un algoritmo può individuare una relazione statistica senza necessariamente spiegare il meccanismo fisico che la genera. Per questo XAIDA ha cercato di combinare gli strumenti di IA con modelli climatici, analisi statistiche e osservazioni indipendenti, utilizzando questi diversi approcci come forme di controllo reciproco. È un principio importante anche per l’uso dell’intelligenza artificiale al di fuori della ricerca climatica: una previsione apparentemente accurata non è automaticamente una previsione affidabile.

Dalla previsione alla prevenzione grazie all’intelligenza artificiale

Il valore di questi strumenti non riguarda soltanto la ricerca scientifica. Comprendere meglio gli eventi estremi significa poter migliorare, nel tempo, la capacità di prepararsi ai loro effetti. Una previsione più accurata può aiutare un sistema di protezione civile a organizzare le proprie risorse. Una migliore valutazione del rischio può orientare la progettazione delle infrastrutture. Un modello capace di individuare scenari futuri può fornire informazioni utili alla pianificazione urbana, all’agricoltura o alla gestione delle risorse idriche.

Il progetto XAIDA ha infatti cercato di coinvolgere anche soggetti interessati alla gestione del rischio e all’adattamento, con l’obiettivo di trasformare i risultati della ricerca in strumenti utilizzabili nei servizi climatici e nei processi decisionali. In altre parole, il passaggio importante non è soltanto: “Possiamo prevedere meglio un evento?” ma: “Possiamo utilizzare queste informazioni per prepararci meglio?”

Una trasformazione più ampia della meteorologia

XAIDA si inserisce in una trasformazione più generale del rapporto tra intelligenza artificiale e scienze della Terra. Nel febbraio 2025, per esempio, il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) ha portato in operatività il proprio Artificial Intelligence Forecasting System (AIFS), affiancandolo ai tradizionali sistemi basati sulla modellistica fisica. Secondo ECMWF, l’AIFS ha mostrato vantaggi su diverse metriche di previsione e può produrre previsioni con un consumo energetico drasticamente inferiore rispetto ai sistemi tradizionali, arrivando a una riduzione dichiarata di circa mille volte per l’elaborazione di una previsione.

Questo non significa che i modelli fisici stiano per essere sostituiti. Al contrario, l’esperienza mostra una direzione diversa: integrare approcci differenti. La fisica continua a spiegare i meccanismi dell’atmosfera. L’intelligenza artificiale può aiutare a riconoscere schemi, accelerare alcune elaborazioni e analizzare enormi quantità di dati. Il futuro potrebbe quindi essere meno una competizione tra “IA” e “metodi tradizionali” e più una collaborazione tra strumenti diversi.

Tecnologia sì, ma con consapevolezza

L’idea che l’intelligenza artificiale possa aiutare a comprendere meglio il cambiamento climatico è promettente, ma va accompagnata da una dose altrettanto importante di cautela. L’IA non riduce le emissioni di gas serra da sola, non impedisce un’alluvione e non rende automaticamente una città più resiliente. Può però contribuire a produrre informazioni migliori, più rapidamente e su una scala che sarebbe difficile raggiungere con la sola analisi umana. Il punto, quindi, non è affidare alla tecnologia la soluzione della crisi climatica, ma utilizzare la tecnologia per prendere decisioni migliori davanti a una realtà che sta diventando più complessa.

La vera innovazione potrebbe essere proprio questa: utilizzare l’intelligenza artificiale per capire meglio gli scenari possibili e arrivare più preparati quando un evento estremo si verifica. Perché conoscere in anticipo un rischio non significa poterlo eliminare, ma avere una possibilità in più di ridurne le conseguenze.