Supercomputer e modelli sempre più potenti addestrati su enormi quantità di dati, promesse di previsioni sempre più accurate e di una comprensione quasi totale del sistema terrestre. Da questo scenario rischia di nascere una convinzione sempre più diffusa: con abbastanza dati e abbastanza potenza di calcolo, il clima diventerà totalmente prevedibile. Ma chi lavora ogni giorno all’intersezione tra studi climatici e nuove tecnologie invita a ridimensionare questa aspettativa. Non per spegnere gli entusiasmi, ma per dirigerli nella giusta direzione.“L’intelligenza artificiale è uno strumento che può aiutarci a migliorare le nostre previsioni, ma non a eliminare i limiti fondamentali della prevedibilità. E non è un’esperta di clima, né un mago”, spiega Martin Palkovic, direttore di Computing dell’European centre for medium-range weather forecasts. Anche noto come Ecmwf. Da questo centro, uno dei più importanti al mondo dedicati al forecasting globale, arrivano molte delle previsioni utilizzate da governi, servizi meteorologici e sistemi di protezione civile di tutto il mondo. Oggi vengono prodotte anche grazie a AI e supercomputing, ma sempre con la consapevolezza dei loro limiti reali e delle loro concrete potenzialità.Palkovic è intervenuto alla prima edizione del festival Tecnòpolis, al Tecnopolo DAMA di Bologna, per raccontare i programmi futuri del centro. Wired Italia lo ha raggiunto per capire fino a che punto possiamo affidarci all’ai senza farci illusioni, almeno quando si parla di clima.Prevedere il caos: i limiti della tecnologiaPer tracciare una linea di confine tra sogno e realtà, Palkovic parte da una premessa. “Quando si fanno previsioni atmosferiche si ha a che fare con un sistema caotico – spiega –. Piccole differenze nelle condizioni iniziali e nelle misurazioni possono amplificarsi e produrre risultati completamente diversi”. Secondo l’esperto è proprio questo l’aspetto che fa arrancare l'AI e non le permette una precisione e un’affidabilità del 100%. Va preso atto che esiste un limite “fisiologico” del sistema studiato, oltre il quale nemmeno la tecnologia può spingersi. Questo non significa che non si possa migliorare e che le innovazioni non siano in grado di aiutarci a fare passi avanti.Sicuramente ci permettono di compierli più rapidamente. “I modelli tradizionali basati sulla fisica sono da sempre progrediti con un ritmo lento e costante, conquistando circa un giorno di previsione in più ogni dieci anni. In pratica – racconta Palkovic –, la previsione che oggi otteniamo al giorno quattro, dieci anni fa era disponibile solo fino al giorno tre. L’AI può accelerare questi progressi e farne di nuovi in campi specifici”.Un esempio è quello dei cicloni tropicali: “Alcune soluzioni basate sull’intelligenza artificiale stanno ottenendo risultati migliori rispetto ai modelli fisici tradizionali – aggiunge l’esperto –. Ci aiutano a riconoscere pattern più complessi e a reagire più rapidamente”Il risultato è un sistema più efficiente, ma non un sistema perfetto. “Non dobbiamo confondere un miglioramento con una rivoluzione totale. AI e supercalcolo non trasformano il clima in qualcosa di completamente prevedibile e la simulazione resta tuttora basata sulla fisica tradizionale. L’innovazione tecnologica riguarda soprattutto il modello, le prestazioni e la velocità di calcolo. Dobbiamo considerarla per quello che è: uno dei tanti supporti per potenziare il lavoro che già facciamo”.Accelerazione, insostenibileL’ingresso dell’AI nel mondo della previsione climatica solleva anche un’altra domanda: quale impatto ambientale hanno supercomputer e modelli di intelligenza artificiale? Allenare modelli complessi richiede grandi quantità di energia e può sembrare un paradosso. Da una parte si studia la crisi climatica, dall’altra si utilizzano tecnologie che consumano risorse.“È una questione reale – riconosce Palkovic –, ma da analizzare nella sua interezza. Nel caso dei modelli ai, la fase più energivora è l’addestramento iniziale. Una volta completato, il sistema diventa molto più leggero da usare. Quando il modello è allenato, per fare previsioni servono poche risorse, spesso bastano una o due gpu. I modelli fisici tradizionali, invece, richiedono sistemi molto più grandi”.Questo cambia radicalmente il bilancio energetico: “Per una previsione, un modello basato su ai può usare da mille a diecimila volte meno energia rispetto a un modello fisico”, dice. Non significa che l’AI non abbia un impatto ambientale “ma se si confrontano costi e benefici, diventa chiaro che è uno strumento estremamente efficiente”, osserva Palkovic.Un altro elemento riguarda l’energia utilizzata dai centri di calcolo. “Per noi è impensabile alimentare questi sistemi con elettricità prodotta da combustibili fossili – aggiunge –. Infatti utilizziamo energia rinnovabile e tecnologie come pannelli solari per ridurre l’impatto”. L’obiettivo di eliminare completamente il consumo energetico è utopistico, gli sforzi mirano a renderlo compatibile con il beneficio scientifico e sociale delle previsioni meteorologiche. “Dobbiamo sempre trovare un equilibrio tra costi e utilità”, sintetizza Palkovic.Come democratizzare la previsione climaticaUn altro aspetto spesso trascurato riguarda l’accesso alle tecnologie. La crisi climatica colpisce soprattutto regioni che non dispongono di grandi infrastrutture scientifiche o supercomputer avanzati.Qui l’ai potrebbe avere un effetto inatteso. “I modelli fisici tradizionali richiedono infrastrutture enormi e molto costose – spiega Palkovic –. Con i modelli basati sui dati, invece, una volta completato l’addestramento è possibile fare previsioni con risorse molto più limitate”.Questo apre la strada a una maggiore diffusione delle capacità di forecasting. “In prospettiva, sempre più attori potranno produrre le proprie previsioni. È un passo verso la democratizzazione delle scienze climatiche”, afferma.L’accessibilità non riguarda solo la potenza di calcolo, ma anche i dati. L’Ecmwf rende infatti disponibili archivi meteorologici globali perché possano essere utilizzati da ricercatori, università e aziende in tutto il mondo. “Fornire dati open significa ampliare la comunità scientifica che può lavorare su questi problemi – spiega Palkovic –. È un modo per accelerare l’innovazione e rendere la conoscenza più accessibile”.Questi dataset alimentano anche programmi europei come il programma europeo Copernicus, che mette a disposizione informazioni climatiche e atmosferiche utilizzate da istituzioni e ricercatori a livello globale. Ciò che sta prendendo forma è un ampio ecosistema connesso e aperto in cui l’AI diventa una leva per analizzare più velocemente dati sempre più complessi.Ma resta una tecnologia che deve essere guidata. Chi costruisce questi sistemi può influire su come funzionano, per questo secondo Palkovic “è importante che istituzioni pubbliche e organismi scientifici restino protagonisti nello sviluppo di queste tecnologie”.Il punto non è stabilire se l’intelligenza artificiale salverà o meno la meteorologia. È capire come usarla senza attribuirle poteri che non ha.