Google DeepMind rende open source WeatherNext 2, l’AI che prevede i cicloni con un giorno di anticipo

Prevedere dove andrà un ciclone, quanto diventerà intenso e come si comporteranno i suoi venti è da sempre una delle sfide più difficili della meteorologia. Ogni ora di preavviso in più può fare la differenza tra un’evacuazione ordinata e un’emergenza improvvisa. Il 6 agosto 2026 Google DeepMind ha alzato in modo netto l’asticella: in uno studio pubblicato su Nature ha mostrato che il suo modello WeatherNext raggiunge una precisione allo stato dell’arte nella previsione di traiettoria, intensità e struttura dei venti dei cicloni tropicali.

C’è però una seconda mossa, forse ancora più rilevante per l’intera comunità scientifica: Google ha reso open source il modello WeatherNext 2, aprendolo a ricercatori e servizi meteo di tutto il mondo.

Cosa ha annunciato Google DeepMind

Il cuore dell’annuncio è un risultato scientifico validato da una rivista peer reviewed. Nello studio su Nature, i ricercatori di Google mostrano che WeatherNext prevede il percorso di un ciclone, la sua intensità e la distribuzione dei venti con un’accuratezza superiore a quella dei principali sistemi operativi usati oggi dai centri meteorologici. L’azienda parla di un progresso che vale, da solo, quasi un decennio di avanzamenti nel campo delle previsioni.

Non è un dettaglio da poco. I modelli fisici tradizionali, quelli che simulano l’atmosfera risolvendo equazioni su enormi supercomputer, sono migliorati lentamente e a costi altissimi. Un modello di intelligenza artificiale che li eguaglia o li supera, girando su hardware molto più contenuto, cambia le regole del gioco.

I tre modelli resi disponibili

L’apertura non riguarda un singolo file, ma una piccola famiglia. Google DeepMind ha rilasciato WeatherNext Cyclones, cioè la versione che ha operato durante la stagione degli uragani e i cui risultati compaiono nello studio, insieme a WeatherNext 2, l’aggiornamento più recente reso operativo verso la fine del 2025, e a WeatherNext 2-mini, una variante compatta pensata per girare anche su una singola unità di calcolo e utilizzabile da un notebook gratuito in cloud.

In pratica, chi fa ricerca può scegliere la versione adatta alle proprie risorse, dal centro di calcolo nazionale al singolo laboratorio universitario.

Un giorno di vantaggio: perché è un salto enorme

Il numero che conta davvero è il tempo. Secondo Google, le previsioni di WeatherNext su traiettoria, intensità e struttura dei venti offrono in media circa un giorno di anticipo rispetto ai migliori modelli operativi. Detto in altre parole, la previsione a tre giorni del sistema di Google raggiunge la qualità che i modelli precedenti fornivano solo a due giorni.

Un giorno in più non è un miglioramento astratto. È il margine che permette a un’amministrazione locale di ordinare un’evacuazione, a un ospedale di riorganizzare i reparti, a una compagnia elettrica di mettere in sicurezza la rete. Su fenomeni che possono spostarsi di centinaia di chilometri e cambiare categoria in poche ore, quel margine si traduce in vite salvate e danni ridotti.

Ed è proprio per questo che l’apertura del modello pesa più di qualsiasi benchmark.

Come funziona: dalla previsione unica agli scenari probabilistici

La forza dei modelli come WeatherNext 2 sta nel modo in cui affrontano l’incertezza. Invece di produrre una sola previsione deterministica, il sistema genera molti scenari possibili di evoluzione dell’atmosfera, costruendo un vero e proprio ventaglio di traiettorie e intensità con le relative probabilità. Questo approccio, che gli esperti chiamano previsione d’insieme o ensemble, è cruciale con i cicloni, dove una piccola differenza nelle condizioni iniziali può portare a esiti molto diversi.

Il vantaggio rispetto ai metodi classici è duplice. Da un lato l’accuratezza cresce, perché il modello ha imparato dai decenni di dati meteorologici storici a cogliere schemi che le equazioni fisiche faticano a rappresentare. Dall’altro la velocità aumenta in modo drastico: generare un insieme di scenari con l’AI richiede una frazione del tempo e dell’energia necessari a un supercomputer tradizionale. È lo stesso principio che sta spingendo l’intelligenza artificiale ben oltre il meteo, in tutti quei campi in cui l’AI sta accelerando le scoperte scientifiche.

Open source e Weather Lab: cosa cambia da oggi

La parte più concreta dell’annuncio è la licenza. Google DeepMind ha pubblicato codice e pesi dei modelli su GitHub con licenza Apache 2.0, una delle più permissive: chiunque può scaricarli, studiarli, modificarli e integrarli anche in prodotti commerciali, senza dover chiedere permessi. Per un servizio meteorologico nazionale o per una startup dell’agritech significa poter costruire strumenti su misura partendo da una base allo stato dell’arte.

Chi non vuole mettere le mani nel codice può comunque vedere il modello all’opera. Le previsioni in tempo reale sono consultabili attraverso la piattaforma interattiva Weather Lab, integrata nell’iniziativa Google Earth AI, dove è possibile seguire le traiettorie stimate dei cicloni e confrontare gli scenari.

Il lavoro, inoltre, non nasce in isolamento: Google DeepMind e Google Research hanno collaborato con enti come il National Hurricane Center statunitense, il centro di ricerca CIRA e il Met Office britannico, cioè con chi le allerte le emette davvero.

Il contesto: l’AI meteo e la strategia scientifica di Google DeepMind

WeatherNext non è un episodio isolato, ma un altro tassello della scommessa di Google DeepMind sull’AI applicata alla scienza. Il laboratorio ha già portato modelli di intelligenza artificiale dentro i laboratori di ricerca, dalla biologia delle proteine alla scoperta di nuovi materiali, con l’idea che gli stessi metodi che comprimono anni di calcolo meteorologico possano fare lo stesso in altri domini.

L’apertura arriva anche in un momento delicato per l’organizzazione. Il recente riassetto ai vertici di Google DeepMind, con Demis Hassabis passato a un ruolo di indirizzo scientifico, mostra un’azienda che vuole tenere insieme ricerca di frontiera e prodotti su larga scala. E se sul fronte consumer la partita si gioca soprattutto sull’ecosistema Gemini, iniziative come WeatherNext servono a ribadire un’identità diversa, quella del laboratorio che punta a un impatto scientifico misurabile.

Rendere pubblico un modello così avanzato ha ovviamente anche un valore strategico: consolida il ruolo di Google come punto di riferimento per la comunità meteo e climatica, e alimenta un ecosistema di strumenti che ruotano attorno alle sue tecnologie.

I limiti da tenere presenti

Per quanto impressionante, WeatherNext non è una bacchetta magica e Google stessa lo inquadra come uno strumento a supporto dei meteorologi, non come un loro sostituto. I modelli di intelligenza artificiale imparano dai dati storici, quindi dipendono dalla qualità e dalla copertura delle osservazioni che ricevono, dai satelliti alle boe in mare. Dove i dati scarseggiano, anche la previsione ne risente.

C’è poi il tema della fiducia. Un centro meteo nazionale non cambia i propri protocolli dall’oggi al domani sulla base di un nuovo modello: servono mesi di validazione operativa, confronti sistematici con i sistemi esistenti e la supervisione di esperti che interpretino i risultati. L’AI accorcia i tempi di calcolo, ma la decisione finale su un’allerta resta, giustamente, umana.

Proprio per questo l’apertura del modello è così importante: più occhi indipendenti lo mettono alla prova, più in fretta se ne capiranno pregi e punti deboli.

Conclusioni

Con WeatherNext 2, Google DeepMind unisce due cose che raramente vanno insieme: un risultato scientifico solido, certificato da Nature, e una scelta di apertura che ne moltiplica l’impatto reale. Il guadagno di circa un giorno di preavviso sui cicloni non è un traguardo da laboratorio, è tempo prezioso restituito alle persone che vivono nelle aree a rischio.

Se ti occupi di dati, ambiente o sviluppo software, questo è un modello che vale la pena esplorare: puoi scaricarlo, testarlo e capire come l’intelligenza artificiale sta ridisegnando anche la previsione del tempo. Continua a seguirci per restare aggiornato sui prossimi sviluppi dell’AI applicata alla scienza e sulle mosse dei grandi laboratori.