Meteo e intelligenza artificiale: cosa sta cambiando davvero all’ECMWF

Per decenni il Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF) è stato il riferimento mondiale delle previsioni basate sulla fisica: milioni di righe di codice, supercomputer dedicati e un modello globale IFS (Integrated Forecasting System) che integra le leggi dell’atmosfera con una risoluzione di circa 9 km.

Dal 2025, però, accanto a questo “motore” fisico gira in modo operativo un secondo sistema: un modello basato su intelligenza artificiale, l’AIFS – Artificial Intelligence Forecasting System.

Che cos’è AIFS

AIFS è un modello data-driven: invece di risolvere direttamente le equazioni della fluidodinamica, impara dai dati come l’atmosfera tende a evolvere.
In pratica, nella sua simulazione, divide il pianeta in una fitta griglia di punti collegati tra loro e impara come il tempo in un punto influenza quello dei punti vicini, “graph neural network”.

Poi c’è una seconda parte del modello “transformer”, che guarda come queste mappe cambiano nel tempo, imparando la sequenza, cioè da come è l’atmosfera ora, a come sarà tra poche ore, poi tra un giorno, e così via. Per l’addestramento vengono usati decenni di rianalisi ERA5 e le analisi operative ECMWF. In pratica, tutto ciò che il centro sa del tempo passato viene compattato in un modello neurale.

Dalla sperimentazione al servizio operativo

Dopo una fase pre-operativa, AIFS Single è diventato pienamente operativo il 25 febbraio 2025, primo modello di previsione ECMWF guidato da machine learning a essere supportato 24h, 7 giorni su 7, accanto al modello fisico.
Il 1° luglio 2025 è arrivato il passo successivo, con l’ensemble AIFS-ENS, una collezione di 51 previsioni leggermente diverse per rappresentare l’incertezza, che ora gira fianco a fianco dell’ensemble fisico IFS-ENS.

Dove l’IA è già migliore

Secondo le valutazioni ufficiali, per molte grandezze, incluse le traiettorie dei cicloni tropicali, AIFS ottiene miglioramenti fino al 20% rispetto ai migliori modelli fisici attuali. L’ensemble AIFS-ENS mostra guadagni simili, fino al 20%, ad esempio sulla temperatura al suolo, pur lavorando a una risoluzione più bassa (circa 31 km contro i 9 km del sistema fisico).

In pratica, in molti casi si guadagnano ore di affidabilità oltre il quarto-quinto giorno di previsione, con una rappresentazione molto competitiva del campo a 500 hPa e delle configurazioni di larga scala.

La rivoluzione silenziosa: mille volte meno energia

Il dato forse più netto riguarda l’efficienza: ECMWF quantifica per AIFS una riduzione di circa 1.000 volte dell’energia necessaria per produrre una previsione, con tempi di calcolo oltre 10 volte più rapidi per l’ensemble rispetto al sistema fisico tradizionale. Questo significa poter generare molti più scenari, aggiornare più spesso e, in prospettiva, ridurre l’impronta energetica delle previsioni numeriche, che oggi richiedono infrastrutture di calcolo di fascia altissima.

Il nodo delle precipitazioni estreme e AIFS 1.1.0

I primi modelli AI globali, AIFS incluso, tendevano a “mancare” i fenomeni più estremi, soprattutto per le precipitazioni molto intense e localizzate. Si trattava di una conseguenza del training su griglie relativamente grosse e quindi dati troppo approssimativi e di una statistica dominata dai casi “normali”.

Nel 2025, con la versione AIFS 1.1.0, ECMWF ha aggiunto dei “binari di sicurezza” matematici (le cosiddette bounding layers), che obbligano il modello di IA a restare dentro limiti fisicamente plausibili, per esempio evitando piogge “negative” o combinazioni incoerenti tra le diverse variabili.

Ha anche insegnato al modello a prevedere molte più grandezze vicino al suolo, come umidità e temperatura del terreno, neve, deflusso dei fiumi, vento a 100 metri e radiazione solare, molto utili anche per il settore energia.

Questo non significa che il problema sia chiuso. Infatti per eventi estremi molto locali, l’IFS ad alta risoluzione e i modelli convettivi dedicati, restano ancora un riferimento, soprattutto per protezione civile e gestione del rischio idrogeologico.

Il futuro sarà chiaramente ibrido

Sia nei comunicati di ECMWF, che nelle interviste della direzione, il messaggio è chiaro: AIFS non sostituisce IFS, ma lo affianca. La fisica rimane essenziale per descrivere scenari mai visti prima e per generare i dati con cui addestrare i modelli di IA.

Il futuro descritto da ECMWF è un ecosistema ibrido, in cui modelli fisici e modelli data-driven si combinano. I primi sono indispensabili a garantire coerenza e robustezza, mentre i secondi servono ad aumentare velocità, efficienza e numero di scenari.

Da ora in poi la previsione del tempo su scala globale non sarà più solo un affare di equazioni, ma anche il risultato di reti neurali addestrate su decenni di dati reali e controllate ogni giorno confrontando le loro previsioni con le osservazioni.