Il professor Shunji Kotsuki dell’Università di Chiba guida un progetto giapponese del programma Moonshot che punta a ridurre le piogge torrenziali sulla terraferma inducendo artificialmente precipitazioni sopra l’oceano, usando ghiaccio secco disperso da aerei e modelli numerici potenziati dall’intelligenza artificiale. L’obiettivo è diminuire gli eventi estremi entro il 2050, migliorando al contempo le previsioni meteorologiche grazie all’uso massiccio di dati osservativi e di AI spiegabile.
Gli ultimi giorni hanno dimostrato che, al momento, le piogge torrenziali stanno intensificandosi.
L’intelligenza artificiale può domare le piogge torrenziali entro il 2050? La prossima frontiera del controllo e della previsione del tempo
di Chiba University
a cura di Sadie Harley, revisionato da Andrew Zinin
Il professor Kotsuki sta conducendo ricerche sulla previsione ambientale, con un’attenzione a vari fenomeni ambientali terrestri come eventi meteorologici e idrologici. Credito: Shunji Kotsuki/imo, Chiba University
Il Giappone sta sperimentando danni sempre più gravi causati da piogge torrenziali innescate da tifoni e da bande di pioggia lineari stazionarie. In risposta, si sta facendo strada un’idea ambiziosa e non convenzionale: indurre artificialmente forti precipitazioni sopra l’oceano per ridurre le intense piogge estreme sulla terraferma.
Questo progetto pionieristico è stato selezionato per il Programma di Ricerca e Sviluppo Moonshot dell’Ufficio di Gabinetto ed è guidato dal professor Shunji Kotsuki dell’Institute for Advanced Academic Research/Center for Environmental Remote Sensing, che funge da project manager.
Mentre Kotsuki conduce il suo laboratorio e le discussioni con rigorosa logica, è guidato da una convinzione chiara: «Quando miri a realizzare qualcosa di significativo, alla fine si tratta di passione ed energia».
In questa intervista a domande e risposte, parla dello stato attuale della ricerca sul controllo del tempo e sulle previsioni meteorologiche basate sull’intelligenza artificiale, nonché dell’approccio mentale che sostiene la sua ricerca di una scienza sfidante e orientata al futuro.
Potrebbe parlarci del lavoro che sta portando avanti nell’ambito del Programma di Ricerca e Sviluppo Moonshot?
Come parte dell’Obiettivo Moonshot 8, intitolato «Realizzazione di una società al sicuro dalla minaccia di venti e piogge estremi controllando e modificando il tempo entro il 2050», sto guidando un progetto chiamato «Generazione artificiale di intense piogge marine a monte per governare i disastri indotti da piogge intense sulla terraferma (AMAGOI)».
In Giappone, i danni da inondazioni possono superare 1 trilione di yen negli anni più gravi, e tali disastri possono persino causare perdite di vite umane, rendendoli una grande sfida sociale. Allo stesso tempo, ci sono limiti chiari alle contromisure convenzionali basate su infrastrutture, come dighe di contenimento delle inondazioni e argini.
Le piogge torrenziali che hanno causato i danni più gravi in Giappone sono state guidate principalmente da significativi afflussi di vapore acqueo dall’oceano. Sulla base di questa comprensione, il nostro approccio è indurre artificialmente la formazione di nubi cumuliformi (cumulonembi) sopra il mare, innescando in anticipo forti precipitazioni. Facendo ciò, miriamo a ridurre la quantità di vapore acqueo che raggiunge la terraferma e, in ultima analisi, mitigare il rischio di disastri da piogge estreme sulle aree popolate.
Il tempo è intrinsecamente caotico: anche il minimo cambiamento può alterare drasticamente ciò che accade successivamente. Una volta che la pioggia torrenziale è già iniziata, è quasi impossibile intervenire artificialmente. Tuttavia, crediamo che intervenire presto con azioni minime ma ben mirate possa produrre effetti significativi. Mi riferisco a questo approccio come «identificare i punti di controllo chiave» nel sistema meteorologico.
Da una prospettiva di scienza dei dati, determinare dove si trovano questi punti di controllo — e come intervenire efficacemente — è centrale per il controllo del tempo e rappresenta una sfida scientifica affascinante. Le simulazioni numeriche condotte finora suggeriscono che potrebbe essere possibile ridurre le piogge torrenziali del 10–20%.
Sulla base di questi risultati delle simulazioni, sto pianificando di condurre una sperimentazione di pioggia artificiale sperimentale sopra l’oceano nell’anno fiscale 2025. In questo esperimento, ghiaccio secco sarà disperso da un aereo, fungendo da nucleo per il vapore acqueo e inducendo così precipitazioni. L’obiettivo è ridurre la quantità di vapore acqueo che alla fine fluisce sulla terraferma.
Una delle sfide tecniche più significative risiede nel riprodurre accuratamente le condizioni meteorologiche attuali all’interno dei modelli numerici. I dati meteorologici in tempo reale raccolti da vari sistemi di osservazione devono essere assimilati in simulazioni che rappresentano l’atmosfera in evoluzione. Sulla base di questo stato ricostruito, calcoliamo dove il ghiaccio secco dovrebbe essere disperso prima di determinare i punti di rilascio effettivi.
Ricostruire l’intero sistema atmosferico a partire da dati osservativi parziali è altamente impegnativo, e questa è un’area in cui mi aspetto anche di fare ampio uso dell’intelligenza artificiale.
Inoltre, sto esplorando il concetto di una struttura a cupola al largo. Ciò comporterebbe la costruzione di una struttura triangolare larga circa 600 metri (2.000 piedi) e alta 300 metri (1.000 piedi), progettata per reindirizzare il flusso del vento e indurre precipitazioni sopra l’oceano, riducendo così le precipitazioni sulla terraferma. Attualmente sto lavorando con un partner manifatturiero per valutare la fattibilità tecnica di questo concetto e identificare gli standard ingegneristici richiesti.
Si aspetta che l’intelligenza artificiale giochi un ruolo nelle previsioni meteorologiche in futuro?
Le previsioni meteorologiche basate sull’intelligenza artificiale sono uno dei nostri punti di forza nella ricerca. Man mano che questa tecnologia avanza, ci aspettiamo miglioramenti significativi nella previsione delle bande di precipitazione lineari — fenomeni che attualmente sono molto difficili da prevedere con accuratezza.
Le previsioni meteorologiche odierne si basano sulla «previsione numerica del tempo», che utilizza supercomputer per simulare il comportamento atmosferico sulla base di leggi fisiche e dati osservativi. Per esempio, le previsioni di traiettoria dei tifoni sono emesse ogni tre ore fino a 24 ore di anticipo e ogni sei ore fino a 120 ore di anticipo. Queste previsioni sono calcolate eseguendo 21 scenari diversi ed elaborando statisticamente i risultati.
Sebbene aumentare il numero di scenari migliori l’accuratezza, aumenta anche drammaticamente il costo computazionale e il tempo di elaborazione.
Il nostro approccio basato sull’intelligenza artificiale mira a sostituire gran parte di questo pesante calcolo. Usando l’intelligenza artificiale, speriamo di calcolare 1.000 scenari in breve tempo e aggiornare le previsioni ogni 30 minuti.
Un’altra grande sfida con gli attuali modelli di previsione è che non riescono a utilizzare pienamente i dati osservativi disponibili. Di fatto, solo circa il 5–6% dei dati meteorologici disponibili è attualmente utilizzato nelle previsioni meteorologiche operative. Se possiamo incorporare la vasta quantità di informazioni osservative non utilizzate, le previsioni diventeranno più sofisticate e significativamente più accurate.
Perché i dati osservativi sono così sottoutilizzati?
La previsione del tempo comporta due componenti chiave: una è un metodo matematico usato per stimare lo stato attuale dell’atmosfera, e l’altra è un modello predittivo che prevede le condizioni future sulla base di quello stato attuale. La tecnologia usata per la prima è nota come «assimilazione dei dati». Essa modifica i risultati della simulazione in modo che corrispondano meglio ai dati osservativi del mondo reale, permettendoci di stimare e prevedere condizioni atmosferiche più vicine alla realtà.
Tuttavia, c’è una grande sfida: l’assimilazione dei dati diventa sempre più complessa man mano che cresce il volume dei dati di osservazione. Quando sono disponibili troppi dati, incorporarli efficientemente nelle simulazioni può essere computazionalmente complesso e richiedere molto tempo. Crediamo che questa sia un’area in cui l’intelligenza artificiale ha un potenziale significativo per realizzare una svolta.
Inoltre, usando l’intelligenza artificiale spiegabile (XAI), possiamo identificare su quali dati l’intelligenza artificiale ha fatto affidamento quando ha effettuato le sue previsioni. Questo non solo migliora la trasparenza, ma aiuta anche ad approfondire la nostra comprensione dei fenomeni meteorologici.
Ha iniziato il suo laboratorio all’Università di Chiba nel 2020. Il suo approccio mentale è cambiato negli ultimi cinque anni?
Più che mai, ora vedo il mio ruolo come sviluppare la prossima generazione di leader — persone che possano entrare nella società e operare in modo indipendente. Piuttosto che semplicemente «insegnare» conoscenze, cerco di fare coaching fornendo schemi di pensiero e costruendo sistemi che incoraggino ciascun individuo a pensare da sé.
Negli ultimi cinque anni, il laboratorio ha certamente prodotto risultati e cresciuto grazie al mio insegnamento. Tuttavia, mi sono reso conto che se continuo con lo stesso approccio centrato sull’insegnamento, il laboratorio non supererà mai le mie stesse capacità. Per diventare un laboratorio davvero leader a livello mondiale, dobbiamo crescere fino a diventare qualcosa che mi superi.
L’insegnamento comporta intrinsecamente autorità, e a essere onesti, lasciare andare quel controllo è spaventoso. Tuttavia, credo nella creatività e nel senso di responsabilità dei nostri membri più giovani, e sento che ora è il momento giusto per passare dall’«insegnare» al «fare coaching».
Il cambiamento è stato ispirato da una storia condivisa da Takeshi Okada, ex allenatore capo della nazionale di calcio del Giappone. Egli ha detto una volta che costruire una squadra forte richiede giocatori che possano pensare in modo indipendente, piuttosto che semplicemente seguire le istruzioni di un manager o di un allenatore.
Paradossalmente, le persone non agiscono in modo indipendente se viene data loro completa libertà fin dall’inizio. Invece, uno schema di base deve prima essere loro inculcato; solo allora possono pensare e agire liberamente. Okada si riferiva a questo come «guida tramite principi».
Ho sentito intuitivamente che la «guida tramite principi» — che mostra il percorso per arrivare a una risposta — è più importante della guida per situazione, che fornisce semplicemente la risposta stessa.
Nel 2025, ho incorporato questa idea nella gestione del mio laboratorio. Da allora, studenti e ricercatori che hanno appreso questi schemi di base attraverso framework di generazione di idee sono diventati capaci di formulare ipotesi e tracciare i propri percorsi di ricerca. Credo che ciò abbia portato a un pensiero più libero e a risultati di ricerca più solidi.
Inoltre, gli studenti hanno preso l’iniziativa di consolidare appunti di laboratorio, registri di gestione delle attività e altri materiali in un sistema condiviso basato sul cloud. Questo permette a qualsiasi membro del laboratorio di accedere alla conoscenza accumulata, e i membri futuri possono tracciare i processi di pensiero di coloro che li hanno preceduti. Vedere giovani ricercatori assumere la responsabilità in questo modo è stato profondamente incoraggiante.
Sembra che le capacità complessive del suo laboratorio siano migliorate costantemente.
Sì. Quando ho fondato il mio laboratorio all’Università di Chiba, il mio obiettivo era diventare il numero 1 in Giappone entro cinque anni e il numero 1 al mondo entro 10 anni. Ripensandoci ora, credo che potremmo aver raggiunto una posizione di primo piano in Giappone nei campi dell’intelligenza artificiale e delle geoscienze. Detto questo, non voglio mai perdere il senso della sfida. Il mio obiettivo è continuare a spingerci in modo da poter diventare il numero 1 al mondo entro i prossimi cinque anni.
In quanto project manager del Progetto Moonshot, immagino che le sfide siano piuttosto diverse rispetto alla gestione di un laboratorio. Come la vede?
È vero. Ci sono 30 investigatori di progetto, ciascuno dei quali lavora con i propri studenti e ricercatori, quindi in totale sono coinvolte circa 150 persone. A essere onesti, non avevo mai gestito nulla su questa scala prima, quindi è stato piuttosto impegnativo. Detto questo, sento che abbiamo gradualmente sviluppato un forte senso di lavoro di squadra.
Una cosa importante che ho imparato è che non è necessario essere knowledgeable su tutto da soli. Ciò che conta è fidarsi della persona che sta promuovendo ciascuna questione e avere la fiducia di lasciarla a loro. Sebbene la nostra relazione sia professionale, cerchiamo anche di capirci l’un l’altro come persone.
L’altro giorno, abbiamo avuto una riunione a tarda notte, e a metà si è trasformata in una conversazione su preoccupazioni personali e vita in generale. È sembrato quasi la notte prima di un festival scolastico — sorprendentemente divertente e energizzante. Esperienze come questa mi ricordano quanto sia importante impegnarsi con gli altri come persone e comprendere i loro valori, non solo attraverso teorie come la teoria della gestione, ma attraverso una genuina interazione umana.
Infine, ha un messaggio per studenti e giovani ricercatori?
Se volete realizzare qualcosa di significativo, sono in definitiva la vostra passione e la vostra energia a determinare il risultato. Kazuo Inamori, fondatore della Kyocera Corporation, ha detto una volta che i risultati del lavoro sono determinati da mentalità, abilità e sforzo. Tra questi, credo che la passione giochi un ruolo decisivo. Non importa quanto una persona possa essere talentuosa, senza passione le sue idee e intuizioni non saranno mai pienamente realizzate.
Nella ricerca, credo che ciò che conta più dell’intelligenza sia se potete perseguire ciò che credete importante e continuare ad andare avanti di fronte alle difficoltà. Negli ultimi anni, c’è stata una forte enfasi su efficienza, rapporto costi-benefici e velocità. Tuttavia, penso che stiamo entrando in un’era in cui dobbiamo riesaminare se questo modo di pensare sia davvero efficiente nel lungo termine.
Se vivete con l’efficienza come priorità assoluta, tendete a concentrarvi solo su ciò che è immediatamente rilevante per voi, e la vostra prospettiva di ricerca diventa stretta.
Esplorare argomenti al di fuori dei vostri campi o impegnarvi in collaborazioni interdisciplinari può sembrare inefficiente in termini di tempo, ma è proprio attraverso tali interazioni che emergono idee e risultati — cose che non potrebbero mai essere raggiunte da soli. L’accumulazione di queste esperienze è ciò che alla fine porta all’innovazione.
Una frase che tengo sempre a mente è: «Il cuore della ricerca sta nei dettagli». Le opportunità non arrivano a coloro che non danno il meglio di sé nel compito che hanno davanti. Piuttosto che preoccuparsi troppo del rapporto costi-benefici o della tempestività, incoraggio i giovani ricercatori a dare sempre il massimo impegno, un passo alla volta.
Traduzione PerpelxityAI
FONTE https://phys.org/news/2026-09-ai-torrential-frontier-weather.html
Se volete essere aggiornati sulle ultime novità, iscrivetevi al CANALE TELEGRAM https://t.me/NogeoingegneriaNews
GIAPPONE: A NAGOYA LA PIOGGIA PIÙ FORTE MAI MISURATA DAL 1890
IMPORTANTE!: Il materiale presente in questo sito (ove non ci siano avvisi particolari) può essere copiato e redistribuito, purché venga citata la fonte. NoGeoingegneria non si assume alcuna responsabilità per gli articoli e il materiale ripubblicato.Questo blog non rappresenta una testata giornalistica in quanto viene aggiornato senza alcuna periodicità. Non può pertanto considerarsi un prodotto editoriale ai sensi della legge n. 62 del 7.03.2001.
