Microsoft ha sviluppato Aurora, un nuovo modello di intelligenza artificiale capace di superare i metodi tradizionali di previsione meteorologica. Addestrato esclusivamente su dati storici, Aurora è in grado di generare previsioni a 10 giorni, tracciare con precisione la traiettoria degli uragani e farlo più rapidamente e a costi inferiori rispetto agli attuali sistemi operativi. Secondo quanto riportato dalla rivista Nature, Aurora ha previsto con successo tutti gli uragani del 2023, battendo in accuratezza i principali centri meteo, incluso il National Hurricane Center statunitense.
Precisione più alta, costi più bassi
A differenza dei modelli tradizionali, basati su complesse equazioni fisiche e su una notevole potenza di calcolo, Aurora funziona in modo più efficiente. I suoi costi computazionali sono stati centinaia di volte inferiori, segnando un netto distacco dai sistemi attualmente utilizzati dalle agenzie meteorologiche. Le sue performance seguono quelle di Pangu-Weather, modello lanciato da Huawei nel 2023, e aprono la strada a una possibile svolta globale nel modo in cui si elaborano le previsioni atmosferiche e si affrontano i disastri naturali legati al cambiamento climatico.
Supera i centri meteo globali
Aurora ha dimostrato di saper battere sette diversi centri previsionali nel tracciare con cinque giorni di anticipo la traiettoria di cicloni intensi. Un caso emblematico: il tifone Doksuri. Mentre le previsioni ufficiali lo davano diretto a nord di Taiwan, Aurora aveva già indicato correttamente il suo impatto sulle Filippine, con quattro giorni di anticipo. Sulle previsioni globali a 10 giorni, il modello IA di Microsoft ha superato nel 92% dei casi le prestazioni del Centro Europeo per le Previsioni a Medio Termine (ECMWF), considerato il riferimento mondiale in materia.
La sfida dell’IA nella meteorologia
Aurora non è sola. Anche Google ha presentato il suo modello, GenCast, che avrebbe superato l’ECMWF nel 97% dei disastri climatici analizzati del 2019. Le agenzie meteorologiche stanno osservando con attenzione questi sviluppi, e molte stanno lavorando a proprie soluzioni ibride che combinano modelli fisici e IA. Lo stesso ECMWF ha reso disponibile il suo primo “modello di apprendimento” ai Paesi membri nel febbraio scorso: è mille volte più veloce del modello fisico tradizionale, anche se con una risoluzione più bassa (30 km² contro i 10 di Aurora). Ma è già in funzione e rappresenta un primo passo concreto nella transizione.
