Un nuovo studio pubblicato su Nature Communications e a cui ha collaborato anche il Dipartimento di Fisica e Astronomia dell’Università di Bologna, sostiene che l’intelligenza artificiale sta iniziando a superare la storica separazione tra previsioni del tempo e proiezioni climatiche. L’articolo, intitolato “Bridging the weather and climate divide with artificial intelligence”, è stato scritto da 20 ricercatori di istituzioni in Spagna, Italia, Germania, Regno Unito, Grecia, Paesi Bassi e Stati Uniti. L’obiettivo del lavoro è dimostrare come l’IA possa unire due discipline che, per decenni, si sono sviluppate come mondi separati, con modelli, dati e obiettivi diversi.
Un passo verso l’integrazione
La meteorologia si concentra su previsioni a breve termine, mentre la climatologia si occupa di tendenze a lungo termine. Tuttavia, l’IA sta offrendo nuove opportunità per unire i due ambiti. Secondo gli autori, l’intelligenza artificiale permette di confrontare eventi estremi in climi reali e ipotetici, per capire come il cambiamento climatico ne modifichi probabilità e intensità. Inoltre, i modelli meteo e climatici condividono sempre più componenti, come modelli fondazionali e combinazioni ibride di equazioni fisiche e apprendimento automatico.
Un linguaggio comune
“Meteorologia e climatologia hanno già un linguaggio comune: l’assimilazione dei dati, cioè l’arte di combinare modelli e osservazioni”, spiega Alberto Carrassi, direttore di Alma Climate. L’integrazione tra assimilazione dei dati e intelligenza artificiale potrebbe diventare il terreno su cui le due comunità costruiscono strumenti davvero condivisi. Gli autori sottolineano però che l’accuratezza delle previsioni non è sufficiente. “Un modello di intelligenza artificiale deve rispettare le leggi della fisica, restare stabile anche in simulazioni lunghe decenni, quantificare la propria incertezza e funzionare in modo affidabile in condizioni mai incontrate durante l’addestramento”, spiega Carrassi.
Un’analisi della letteratura scientifica dal 1975 al 2025 mostra che, dall’avvento del deep learning, la sovrapposizione tra ricerca meteorologica e climatica è cresciuta oltre quanto ci si aspetterebbe per caso, attorno a metodi condivisi come previsione, downscaling ed emulazione dei modelli. Il lavoro evidenzia tre “ponti” concreti: uno temporale, uno causale e uno strutturale. Il primo riguarda le previsioni sub-stagionali e stagionali, che occupano la zona intermedia tra i due campi. Il secondo si basa sulla capacità dell’IA di confrontare eventi estremi in climi reali e ipotetici. Il terzo si riferisce alla condivisione di componenti tra modelli meteo e climatici.
Un futuro collaborativo
“La vera sfida non è solo progettare algoritmi più potenti, ma costruire una nuova cultura della collaborazione tra meteorologi, climatologi, fisici, informatici, centri operativi e decisori”, conclude Gustau Camps-Valls dell’Università di Valencia. Gli autori propongono un’agenda concreta per rendere l’IA più accessibile e sostenibile, come componenti dei modelli differenziabili e open source, benchmark comuni tra meteo e clima, obblighi di accesso aperto ai dati e risorse di calcolo dedicate alle istituzioni con meno mezzi. L’articolo affronta anche i rischi ambientali e sociali legati all’uso dell’IA, come l’alto consumo di energia e la concentrazione delle infrastrutture in poche istituzioni e aziende.
