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

Intelligenza artificiale, la svolta: da strumento a infrastruttura globale

Bacheca

Intelligenza artificiale, la svolta: da strumento a infrastruttura globale

Dai nuovi strumenti di Google ai chip proprietari di Meta, fino ai modelli del mondo: come l’intelligenza artificiale sta diventando un’infrastruttura globale.

Riccardo Pallotta
27 Marzo 2026
4 min di lettura
Intelligenza artificiale, la svolta: da strumento a infrastruttura globale

Il cambio di paradigma sull’intelligenza artificiale di Google

Un segnale chiaro arriva da Google, che ha esteso negli Stati Uniti la funzionalità Canvas all’interno della sua AI Mode. Non è un semplice aggiornamento: è un cambio di paradigma. La ricerca online si trasforma in uno spazio operativo, dove l’utente non si limita a cercare informazioni ma può scrivere testi, sviluppare codice e costruire strumenti interattivi utilizzando dati web in tempo reale. In altre parole, il motore di ricerca diventa una piattaforma di lavoro. Questo spostamento segna il passaggio da un web da consultare a un web con cui collaborare.

Parallelamente, la ricerca sta ridefinendo anche il modo in cui i modelli apprendono. L’introduzione del cosiddetto “Bayesian teaching” rappresenta un passo importante verso sistemi più adattivi. Questo approccio consente ai modelli linguistici di aggiornare le proprie “convinzioni” man mano che ricevono nuove informazioni, migliorando le prestazioni nei compiti complessi e nelle interazioni prolungate. Con un’accuratezza che raggiunge l’81% nei task multi-turno, si apre la strada a un’intelligenza artificiale meno statica e più simile a un processo di apprendimento continuo, capace di correggersi e affinarsi nel tempo.

I modelli del mondo sulla realtà fisica

Nel frattempo, il mondo della ricerca più avanzata guarda oltre i modelli linguistici tradizionali. Il lavoro di Yann LeCun con la startup AMI Labs punta sui cosiddetti “modelli del mondo”: sistemi che non si limitano a elaborare linguaggio, ma cercano di comprendere le dinamiche della realtà fisica. È un cambio di prospettiva radicale, con implicazioni enormi per campi come la robotica e la produzione industriale, dove la capacità di “capire” il mondo conta più della semplice generazione di testo.

Allo stesso tempo, queste innovazioni stanno ridefinendo il mercato del lavoro e le strutture aziendali. Il caso di Atlassian, che ha recentemente riallocato risorse significative verso l’AI, mostra come le competenze richieste stiano cambiando rapidamente. Non si tratta solo di automazione, ma di una riconfigurazione profonda delle organizzazioni in chiave “AI-first”.

Un progresso che ha dei limiti

Tuttavia, questa accelerazione porta con sé anche nuove criticità. Dalla gestione dei cosiddetti “guasti silenziosi”, errori impercettibili che si accumulano nei sistemi automatizzati, fino alle sfide regolatorie e alla crescente competizione geopolitica sull’intelligenza artificiale, emerge un quadro in cui il progresso tecnologico corre più veloce della capacità di governarlo.

In questo scenario, l’intelligenza artificiale non è più soltanto una tecnologia emergente, ma un’infrastruttura globale che ridefinisce il modo in cui produciamo conoscenza, prendiamo decisioni e organizziamo le nostre società. La vera sfida, oggi, non è tanto sviluppare sistemi sempre più potenti, quanto assicurarsi che questa potenza sia distribuita, controllata e orientata a benefici concreti. Perché il futuro dell’AI non si giocherà solo nei laboratori, ma nella sua capacità di integrarsi, in modo equo e sostenibile, nella vita reale.

La Robotica Sociale ed Empatica nel 2026
L’edizione 2026 del Consumer Electronics
RP
Riccardo Pallotta

Human vs AI o Human powered by AI? Il valore che non si può automatizzare

Relazionale

Human vs AI o Human powered by AI? Il valore che non si può automatizzare

AI e lavoro umano: dove nasce il valore che non si può automatizzare? Analisi e spunti dall’Innovation Training Summit 2026.

Riccardo Pallotta
4 Aprile 2026
4 min di lettura
Human vs AI o Human powered by AI? Il valore che non si può automatizzare

Oltre la tecnologia: processo, organizzazione, cultura

Il primo elemento emerso è tanto semplice quanto spesso sottovalutato: l’intelligenza artificiale non è solo tecnologia. È processo, organizzazione, cultura. Tre dimensioni che devono dialogare tra loro per generare valore reale. Molte aziende, oggi, stanno ancora cercando di costruire le “categorie mentali” necessarie per tenere insieme questi livelli. Il rischio, altrimenti, è quello di introdurre strumenti avanzati in contesti che non sono pronti ad accoglierli. Contrariamente a quanto si potrebbe pensare, il nodo principale non è tecnico. È di governance. Definire regole chiare, policy di utilizzo, responsabilità e confini operativi diventa il primo passo per permettere alle persone di sperimentare senza paura. La governance, in questo senso, non è un limite, ma una condizione abilitante: crea sicurezza, sia tecnologica che psicologica. Senza questa base, l’adozione dell’AI rischia di essere caotica, disordinata o addirittura respinta.

L’AI amplifica ciò che trova tra cultura e sperimentazione

Un altro passaggio chiave dell’incontro ha riguardato la qualità dei processi e dei dati. L’intelligenza artificiale non risolve automaticamente i problemi: li amplifica. Se i dati sono incompleti o i processi inefficaci, il risultato sarà semplicemente un’accelerazione del caos. Per questo motivo, la chiarezza del problema diventa centrale. Senza una direzione precisa, anche lo strumento più avanzato perde efficacia. Interessante anche il tema della collaborazione tra aziende. Sempre più realtà stanno condividendo casi d’uso, errori e sperimentazioni, riconoscendo che molte delle difficoltà sono comuni: dalla gestione dei dati allo screening dei CV, fino all’automazione di processi ripetitivi. In un contesto così rapido, imparare dagli altri diventa un vantaggio competitivo.

L’adozione dell’intelligenza artificiale è anche, e soprattutto, un tema culturale. Alcune aziende stanno introducendo approcci inaspettati, come la gamification o l’utilizzo dell’AI in contesti informali, per creare familiarità prima dell’applicazione professionale. È un cambio di prospettiva importante: l’AI non si impone, si accompagna. Tra le immagini più efficaci emerse dal panel, quella della “maionese”. L’intelligenza artificiale e le persone sono come ingredienti diversi: se combinati nel modo giusto, creano qualcosa di nuovo e potente. Se il processo non è corretto, però, il risultato “impazzisce”. È una metafora che restituisce bene la complessità dell’integrazione: non basta mettere insieme tecnologia e capitale umano, serve metodo, tempo e capacità di adattamento.

Tra entusiasmo e paura: cosa resta umano?

L’introduzione dell’AI porta con sé anche tensioni profonde. Da un lato, il rischio di dipendenza: affidarsi troppo agli strumenti, perdendo capacità critica. Dall’altro, il rifiuto: temere la sostituzione e bloccare ogni sperimentazione. Per questo alcune organizzazioni stanno introducendo nuove figure e strumenti, come AI coach, momenti dedicati all’esplorazione e percorsi di supporto anche psicologico. La domanda finale, forse la più importante, riguarda ciò che non può essere automatizzato. Il valore umano emerge proprio dove l’intelligenza artificiale si ferma. Nel pensiero critico, nella capacità di interpretare e mettere in discussione i risultati. Nella creatività, che non è semplice combinazione ma produzione di significato. Nella strategia, che definisce direzione e priorità. Nella curiosità, che spinge a esplorare ciò che ancora non esiste. E nella dimensione relazionale e culturale, che nessun algoritmo può davvero replicare.

Human powered by AI

Forse, allora, la contrapposizione iniziale è mal posta. Non si tratta di scegliere tra umano e artificiale, ma di capire come farli funzionare insieme. L’intelligenza artificiale è un acceleratore. Il valore, però, nasce nell’incontro con l’umano. È lì che si crea qualcosa che non può essere automatizzato: una visione, una scelta, una responsabilità. In altre parole, il futuro non sarà né completamente umano né completamente artificiale.Sarà, sempre di più, human powered by AI.

RP
Riccardo Pallotta

Quando l’algoritmo diventa ambiente: come l’AI sta cambiando il mondo

Redazionale

Quando l’algoritmo diventa ambiente: come l’AI sta cambiando il mondo

L'algoritmo non è più soltanto uno strumento, ma l'ambiente attraverso cui scopriamo informazioni, prendiamo decisioni e interpretiamo il mondo.

Riccardo Pallotta
23 Giugno 2026
4 min di lettura
Quando l’algoritmo diventa ambiente: come l’AI sta cambiando il mondo

Data pubblicazione: 23/06/2026 Autore: Riccardo Pallotta

Dall’algoritmo che suggerisce all’algoritmo che interpreta

Fino a pochi anni fa il rapporto con le piattaforme digitali era relativamente semplice. L’utente formulava una domanda e il sistema restituiva una lista di risultati tra cui scegliere. Il processo richiedeva ancora un’attività di selezione e confronto. Con l’arrivo dei sistemi generativi, la logica sta cambiando: sempre più spesso non riceviamo una serie di opzioni, ma una risposta già costruita. L’intelligenza artificiale non si limita a indicarci dove cercare un’informazione: la organizza, la riassume, la collega ad altre conoscenze e la presenta come un contenuto pronto all’uso. In altre parole, l’algoritmo non svolge più soltanto una funzione di accesso alla conoscenza. Inizia a partecipare alla sua costruzione. È proprio questo uno dei punti evidenziati anche dal Rapporto AGCOM 2026, che descrive l’intelligenza artificiale come una vera e propria “infrastruttura cognitiva“: una tecnologia destinata a incidere sul modo in cui produciamo, distribuiamo e comprendiamo le informazioni.

Il rischio di abitare una realtà filtrata

Ogni epoca ha avuto i propri mediatori della conoscenza come per esempio biblioteche, scuole, giornali, televisioni e università che hanno svolto il ruolo di filtro culturale, contribuendo a organizzare il sapere collettivo. La differenza è che questi luoghi erano generalmente riconoscibili. Sapevamo chi selezionava le informazioni e secondo quali criteri. Con i sistemi di intelligenza artificiale il processo diventa molto meno visibile. Le logiche che determinano una risposta, la priorità assegnata a una fonte o il modo in cui vengono sintetizzati contenuti differenti sono spesso opache per gli utenti. Il rischio non consiste soltanto nell’eventualità di ricevere informazioni errate. Il punto più delicato riguarda il modo in cui la realtà viene progressivamente mediata da sistemi che imparano dalle nostre preferenze e dai nostri comportamenti. Quando l’algoritmo diventa l’ambiente principale attraverso cui osserviamo il mondo, il confine tra scoperta e suggerimento tende ad assottigliarsi.

L’algoritmo: un impatto che va oltre la comunicazione

Le conseguenze di questa trasformazione non riguardano soltanto il settore dell’informazione. Le istituzioni europee stanno dedicando crescente attenzione agli effetti dei sistemi algoritmici anche nel mondo del lavoro. Dalla gestione delle risorse umane alla valutazione delle performance, fino all’organizzazione dei turni e delle attività, l’intelligenza artificiale sta assumendo un ruolo sempre più rilevante nei processi decisionali. Dietro la comodità dell’automazione emergono quindi nuove domande: chi controlla gli algoritmi? Come vengono prese determinate decisioni? Quali tutele esistono per le persone coinvolte? Si tratta di interrogativi che riguardano la democrazia, i diritti e la partecipazione sociale almeno quanto la tecnologia.

La competenza più importante potrebbe essere il dubbio

Per anni l’alfabetizzazione digitale è stata associata alla capacità di utilizzare strumenti e piattaforme. Oggi questa definizione sembra troppo limitata. Nell’era dell’intelligenza artificiale diventa fondamentale sviluppare una competenza più sottile: comprendere i processi attraverso cui le informazioni vengono prodotte e distribuite. Significa imparare a verificare le fonti, confrontare prospettive diverse, riconoscere i limiti dei sistemi automatici e mantenere uno spazio di autonomia critica anche quando una risposta appare immediata e convincente. Non è una sfida tecnologica. È una sfida culturale. Forse il cambiamento più profondo introdotto dall’intelligenza artificiale non riguarda ciò che le macchine sanno fare, riguarda invece il modo in cui noi esseri umani scegliamo di orientarci dentro un ambiente informativo che sta cambiando forma davanti ai nostri occhi.

Potrebbe interessarti:
RP
Riccardo Pallotta