Nel frattempo, gli investitori spargono dollari a pioggia sulle start-up che sembrano avere un asso nella manica. Come si evolveranno questi strumenti? Verranno aggiunti, come ciliegina sulla torta, su altri prodotti già esistenti? Oppure saranno in grado di creare una killer application e sbancare il mercato?
Un’area di forte interesse, complice Greta, Davos e tutti quelli che parlano con amabile cognizione di causa del cambiamento climatico, è quella delle previsioni del tempo. Dopo i quasi 50°C registrati in Canada l’estate scorsa, i -30°C che mi han gelato a Boston la settimana scorsa, inondazioni a non finire e tempeste spaziali, l’impressione generale è che saper prevedere correttamente il meteo sia importante. In pratica, mentre la temperatura media è leggermente aumentata, sono cresciuti parecchio i casi di temperature estreme, è aumentata la varianza.
L’approccio tradizionale alle previsioni meteo è quello delle serie storiche: se ho 130 anni di rilevazioni di parametri come temperatura, umidità relativa, velocità del vento e precipitazioni, giorno dopo giorno per tutto l’anno, ho una buona idea di che tempo dovrebbe fare il mese prossimo. Quando poi sommo le immagini satellitari, che danno contezza delle perturbazioni in arrivo, le previsioni a 3-4 giorni diventano affidabili.
Tuttavia, l’affidabilità previsionale ad una settimana può non essere sufficiente. Cosa succederà alle prossime Olimpiadi a Parigi? Ci troveremo forse gli atleti soffocati da calura e smog, a rischio della propria salute come in quelle appena passate? I meteorologi oggi prevedono 4°C in più della peggiore calura parigina registrata 20 anni fa, ed il Comitato Olimpico ha già iniziato a porre rimedio nel caso capiti. Anche in agricoltura, o nella gestione delle energie rinnovabili, prepararsi per meteo estremo richiede molto più di una settimana, occorrono previsioni di lungo periodo e scenari di uguale probabilità.
Così come ChatGPT si basa su un numero umanamente impossibile da gestire di variabili per la scrittura dei testi, allo stesso modo sono stati sviluppati altri modelli che a loro volta si basano su insiemi di modelli separati, in concorrenza l’un con l’altro, per prevedere il meteo. Chiamati “larghi assiemi”, si basano sul concetto di anticipare la dinamica tra le diverse variabili in gioco, chiedendo al robot di combinare diverse ipotesi per formulare ulteriori ipotesi, impossibile per una persona in carne ed ossa. Questo bell’articolo qui è anche simpatico nel presentare il dubbio degli stessi scienziati: stiamo prevedendo qualcosa che succederà, o stiamo parlando di qualcosa di irrealistico? Boh.
Avrete sentito del battito di farfalla in Cina che scatena una tempesta sulla vostra testa ai Caraibi, da Robert Redford nel film Havana del 1990. In effetti l’autore originale è il matematico e meteorologo Edward Lorenz, che l’ha usato per spiegare la teoria del caos e come una piccola modifica in un sistema dinamico non-lineare come il meteo, possa poi causare notevoli cambiamenti poco dopo. Pensare che una farfalla cinese vi porti la grandine a Cuneo non è realistico, e tantomeno l’intelligenza artificiale attuale potrebbe mai prendere in considerazione i mille miliardi di variabili che stanno tra una farfalla dall’altra parte del mondo e le nuvole sopra la vostra testa, ma il meccanismo funziona.
La capacità di calcolare decine di migliaia di variabili, e di simulare in modo preventivo come queste vadano ad interagire l’una con l’altra, quella esiste si sta raffinando. Se non siete atleti olimpici preoccupati del caldo parigino, ma siete professionisti del caos lasciato dai vostri figli in camera, fategli leggere questo, che gli serve.
