Quando l’intelligenza artificiale studia gli eventi estremi

Redazionale

Quando l’intelligenza artificiale studia gli eventi estremi

Come l’intelligenza artificiale può aiutare a comprendere e prevedere gli eventi meteorologici estremi e il loro rapporto con il cambiamento climatico.

Riccardo Pallotta
27 Agosto 2026
8 min di lettura
Quando l’intelligenza artificiale studia gli eventi estremi

Data pubblicazione: 27/08/2026 Autore: Riccardo Pallotta

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.

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.
RP
Riccardo Pallotta