ECMWF AIFS, previsioni da apprendimento automatico
I modelli meteorologici condividono la stessa fisica e possono sbagliare insieme: ECMWF AIFS, addestrato sul tempo del passato, offre un secondo parere.
I modelli meteorologici classici risolvono le equazioni dell'atmosfera, e quando condividono lo stesso punto cieco possono sbagliare insieme: quattro rotte concordi non sono sempre quattro buone ragioni per crederci. Allo skipper che valuta una traversata manca un parere arrivato alla sua previsione per un'altra via.
ECMWF AIFS prende un'altra strada: il modello del Centro europeo non risolve alcuna equazione, ma ha imparato con l'apprendimento automatico, da decenni di tempo passato, come l'atmosfera passa da uno stato al successivo. L'ECMWF lo fa girare accanto al suo modello classico, e Saily WR legge ogni nuova previsione poco dopo la pubblicazione.
Prevede il mondo intero fino a 15 giorni: come modello globale, dà una rotta su ogni traversata, accanto a quelle dei modelli classici che coprono le stesse acque. Il suo punto di forza è il quadro generale a più giorni: dove saranno le depressioni e gli anticicloni, quando arriverà un fronte, quale traiettoria prenderà una tempesta tropicale.
È su questo che si gioca una traversata oceanica: dalle Azzorre alla Bretagna, scegliere una rotta vuol dire soprattutto scegliere la depressione da sfruttare o l'anticiclone da aggirare. AIFS parte esattamente dallo stesso stato dell'atmosfera del modello classico dell'ECMWF; dove le loro due rotte si separano, la differenza viene solo dai modelli, segno chiaro di una previsione incerta, che merita un secondo sguardo prima di impegnarsi. Dove AIFS, l'ECMWF e un modello di un altro centro come GFS concordano, la previsione poggia su basi più solide.
Avendo imparato a tenere basso il suo errore medio, smussa: raffiche e picchi di vento si attenuano, tanto più quanto più guarda lontano. In una burrasca o lungo un fronte netto, legga il suo vento come probabilmente troppo debole, l'ora e la traiettoria come la parte utile. Come gli altri modelli globali, non vede né la brezza di mare né il ridosso dietro un'isola. E tutti i modelli attingono alle stesse osservazioni del mare e del cielo: il loro accordo è un buon segno, non una promessa.
Fonti
- AIFS Machine Learning data, ECMWF
- ECMWF’s AI forecasts become operational, ECMWF, 2025
- AIFS – ECMWF’s data-driven forecasting system, S. Lang et al., arXiv, 2024