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

Test di sicurezza AI: quando l’intelligenza artificiale sorprende

Redazionale

Test di sicurezza AI: quando l’intelligenza artificiale sorprende

I recenti test di sicurezza AI di OpenAI e Anthropic aprono nuove riflessioni. Cosa è accaduto e perché questi episodi riguardano il futuro della governance AI.

Riccardo Pallotta
7 Agosto 2026
6 min di lettura
Test di sicurezza AI: quando l’intelligenza artificiale sorprende

Data pubblicazione: 07/08/2026 Autore: Riccardo Pallotta

Quando un test di sicurezza AI diventa più interessante del risultato

Chi sviluppa sistemi di intelligenza artificiale non vuole sapere soltanto se un modello riesce a risolvere un problema, ma vuole capire anche come lo affronta. Per questo motivo esistono esercitazioni simili ai Capture the Flag, molto diffuse anche nella formazione degli esperti di cybersecurity. Ai modelli viene assegnato un obiettivo da raggiungere all’interno di reti informatiche simulate e viene lasciata una certa autonomia nella ricerca della soluzione. È proprio durante una di queste valutazioni che alcuni agenti hanno iniziato a esplorare percorsi imprevisti. Secondo il rapporto pubblicato dall’AISI, un modello di Anthropic avrebbe creato identità digitali temporanee su GitHub per tentare di convincere uno sviluppatore ad approvare modifiche a un progetto software. Un modello sperimentale di OpenAI, invece, avrebbe utilizzato servizi presenti su Internet per cercare modalità alternative di completare la prova.

Nessuno di questi tentativi ha prodotto danni concreti. I ricercatori sono intervenuti rapidamente, hanno isolato gli ambienti sui test di sicurezza AI e hanno concluso che gli episodi erano il risultato di condizioni sperimentali molto particolari. Rimane però un dato significativo: i modelli hanno individuato strategie che i progettisti non avevano previsto.

Il punto non è l’intelligenza artificiale, ma l’ambiente

Molti titoli hanno raccontato questi episodi come se l’intelligenza artificiale avesse “deciso” di ribellarsi. In realtà la questione è molto meno cinematografica e molto più vicina all’ingegneria. Gli stessi laboratori coinvolti sottolineano che il problema principale non riguarda tanto il comportamento del modello quanto il contesto nel quale quel comportamento è stato osservato. Se i sistemi stanno acquisendo una maggiore capacità di pianificare azioni complesse, allora anche gli ambienti di valutazione devono diventare più sofisticati. È lo stesso ragionamento che accompagna ogni evoluzione tecnologica. Quando le automobili sono diventate più veloci, non è bastato costruire motori migliori: è stato necessario ripensare strade, cinture di sicurezza, limiti di velocità e crash test di sicurezza AI. Con l’intelligenza artificiale potrebbe accadere qualcosa di simile: non è il veicolo a essere cambiato da solo, ma l’infrastruttura che gli ruota attorno.

Autonomia non significa intenzione

Uno degli aspetti che più ha colpito gli osservatori riguarda il linguaggio utilizzato nei rapporti tecnici. Espressioni come inganno, collaborazione tra agenti o azioni autonome possono facilmente suggerire che il modello abbia sviluppato intenzioni proprie.

La risposta, almeno allo stato attuale delle conoscenze, è molto più prudente. Quando un sistema di intelligenza artificiale sceglie un percorso inatteso, non significa necessariamente che abbia sviluppato volontà, coscienza o obiettivi indipendenti. Più semplicemente, sta esplorando tutte le strategie compatibili con il compito assegnato e con i vincoli presenti nell’ambiente. In altre parole, il comportamento osservato è il risultato dell’interazione tra il modello, le istruzioni ricevute e il contesto in cui opera. Per questo motivo gli stessi ricercatori evitano interpretazioni definitive e invitano a non attribuire ai modelli caratteristiche che appartengono all’essere umano.

Test di sicurezza Ai importanti anche per le regole

Questi episodi stanno alimentando anche un’altra riflessione. Se i modelli diventano progressivamente più autonomi nello svolgere attività complesse, quali standard dovranno rispettare i laboratori che li sviluppano? Chi stabilisce quali test siano sufficientemente sicuri? Quali responsabilità entrano in gioco quando un agente interagisce con sistemi reali durante una valutazione? Non è un caso che OpenAI, Anthropic e l’AI Safety Institute britannico abbiano annunciato l’intenzione di lavorare insieme alla definizione di protocolli condivisi per i test di sicurezza AI futuri. L’obiettivo è rendere la ricerca più robusta, costruendo procedure capaci di crescere insieme alle capacità dei modelli.

Più che una prova di forza, una prova di maturità
Forse la lezione più interessante di questa vicenda riguarda il modo in cui il settore ha scelto di raccontarla. Anziché minimizzare gli episodi o trasformarli in slogan, laboratori e istituti di ricerca hanno pubblicato rapporti dettagliati, spiegando il contesto, le configurazioni utilizzate, gli errori emersi e le modifiche già previste per le valutazioni future. È un approccio che ricorda quello adottato da tempo nella cybersecurity: condividere gli incidenti non significa ammettere un fallimento, ma contribuire a rendere più solide le pratiche dell’intera comunità. In fondo è proprio questo il senso della ricerca sulla sicurezza dell’intelligenza artificiale. Non dimostrare che un sistema sia perfetto, ma individuare i suoi limiti prima che venga utilizzato su larga scala. La domanda, quindi, non è se l’intelligenza artificiale abbia “cercato di ingannare” gli esseri umani. La domanda più interessante è un’altra: siamo pronti a costruire ambienti di controllo che evolvano con la stessa rapidità con cui evolvono gli algoritmi? Perché il futuro dell’intelligenza artificiale non dipenderà soltanto dalla potenza dei modelli. Dipenderà anche dalla qualità delle regole, delle verifiche e della cultura tecnica con cui sceglieremo di accompagnarne lo sviluppo.
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

Svezia e smartphone: la casa diventa “campo di educazione digitale”

AI

Svezia e smartphone: la casa diventa “campo di educazione digitale”

Svezia e smartphone: si invita i genitori a spegnere lo smartphone con i figli e introduce zone “phone-free” in casa: ecco cosa cambia nell’educazione digitale.

Riccardo Pallotta
3 Giugno 2026
6 min di lettura
Svezia e smartphone: la casa diventa “campo di educazione digitale”

Data pubblicazione: 03/06/2026 Autore: Riccardo Pallotta

Svezia e smartphone: nuove linee guida sull’uso degli schermi

La Svezia non ha scelto un approccio morbido. Le nuove linee guida non si limitano a consigliare moderazione, ma propongono cambiamenti concreti nello spazio domestico e nelle abitudini quotidiane. L’obiettivo è ridurre l’impatto che l’uso degli schermi da parte degli adulti ha sullo sviluppo emotivo e comportamentale dei bambini. Le raccomandazioni arrivano dopo una serie di studi commissionati dal governo svedese. Le evidenze raccolte mostrano un elemento ricorrente: i bambini non imitano soltanto ciò che viene detto loro, ma soprattutto ciò che vedono fare dagli adulti.

Quando i genitori trascorrono molto tempo davanti allo smartphone, aumenta la probabilità che anche i figli sviluppino lo stesso rapporto con il dispositivo. Non si tratta soltanto di tempo trascorso online, ma della qualità dell’interazione familiare. Le micro-interruzioni continue, anche di pochi secondi, riducono la presenza emotiva e la capacità di ascolto.

Le dichiarazioni dell’Agenzia per la salute pubblica

Le autorità svedesi sono state esplicite: lo smartphone non deve diventare un terzo interlocutore costante nelle relazioni familiari. L’indicazione è chiara: usare il telefono solo quando necessario o, meglio ancora, insieme ai figli. Il principio guida è quello della co-presenza consapevole, dove la tecnologia non sostituisce l’interazione ma la integra.

Le zone “phone-free” dentro casa

Una delle innovazioni più interessanti introdotte dalle linee guida riguarda lo spazio domestico. Non più soltanto regole astratte, ma ambienti fisici pensati per essere liberi dagli schermi. La camera da letto viene indicata come una delle aree più sensibili. Non solo per i bambini, ma anche per gli adulti. L’idea è semplice: il sonno richiede una separazione netta dalla stimolazione digitale. La presenza dello smartphone, anche solo come oggetto vicino, altera i ritmi del riposo e mantiene il cervello in uno stato di allerta.

Il secondo spazio simbolico è il tavolo da pranzo. Qui la raccomandazione è ancora più culturale che tecnica: il momento del pasto dovrebbe tornare a essere un tempo di conversazione, non di distrazione parallela. Il cibo diventa così un’occasione di connessione, non un’interruzione tra una notifica e l’altra.

L’impatto del digitale sulla relazione genitori-figli

Secondo gli esperti coinvolti nelle ricerche, l’uso frequente dello smartphone da parte degli adulti può generare una forma di “assenza presente”. Il genitore è fisicamente lì, ma mentalmente altrove. Questa condizione riduce la capacità di rispondere ai segnali emotivi del bambino. Non si tratta di demonizzare la tecnologia, ma di riconoscere che l’attenzione è una risorsa limitata. Ogni volta che viene frammentata, qualcosa nella relazione si indebolisce. E nei primi anni di vita, questo equilibrio è particolarmente delicato.

Imitazione digitale: come i bambini apprendono dagli adulti
I bambini osservano molto più di quanto ascoltino. Questo principio, noto da decenni nella psicologia dello sviluppo, oggi assume una nuova forma nell’era digitale. Se un bambino vede continuamente un adulto interagire con uno schermo, interiorizza quel comportamento come normale. La conseguenza non è immediata, ma progressiva. L’uso del dispositivo diventa parte della routine emotiva: per distrarsi, per calmarsi, per riempire un vuoto. È così che si costruiscono le abitudini, non attraverso regole imposte, ma attraverso modelli ripetuti. Uno dei punti più critici riguarda il sonno.
RP
Riccardo Pallotta