Microsoft rende open source PBC, uno strumento IA che corregge i bias nei modelli meteorologici

Il 14 ottobre 2026 i ricercatori Microsoft hanno pubblicato sulla rivista Nature un articolo che descrive la Probabilistic Bias Correction (PBC), un metodo di machine learning che, secondo loro, rende più accurate le previsioni meteorologiche a due-sei settimane. L'azienda ha rilasciato lo strumento come software open source. Tra i coautori figurano ricercatori del MIT, dello European Centre for Medium-Range Weather Forecasts (ECMWF) e di altre istituzioni.

Le previsioni sia dei sistemi tradizionali basati sulla fisica sia dei nuovi modelli di IA tendono a perdere affidabilità oltre la soglia delle due settimane. Anziché costruire un ennesimo modello previsionale autonomo, il team Microsoft ha scelto di correggere gli errori già presenti in quelli esistenti, un approccio che, spera, risulterà interessante per le agenzie meteorologiche con budget limitati.

Il bersaglio: il bias sistematico

Tutti i modelli previsionali si affidano a approssimazioni per colmare le lacune, come le aree con poche stazioni meteorologiche o i processi atmosferici che gli scienziati non comprendono ancora appieno. Questi espedienti possono trasformarsi in bias sistematici, e gli errori crescono man mano che il modello guarda più lontano nel tempo. PBC utilizza il machine learning per individuare e correggere questo bias. Lester Mackey, ricercatore senior presso Microsoft Research New England, cita come esempio il cambiamento climatico: un modello addestrato su dati storici potrebbe risultare più freddo del mondo odierno, segnato dal riscaldamento globale.

Secondo i ricercatori, PBC ha migliorato un importante modello fisico dell'ECMWF nel 98 per cento dei target di precipitazione e nel 92 per cento dei target di temperatura. Nell'analisi dello studio ha inoltre raddoppiato l'accuratezza del nuovo sistema di previsione IA dell'ECMWF. L'ECMWF aveva già riconosciuto il lavoro nella sua competizione AI Weather Quest prima della pubblicazione. Matthew Chantry, responsabile strategico per il machine learning del centro, ha accolto favorevolmente l'idea ma ha aggiunto una avvertenza: "trasformare le idee in realtà [in] un processo operativo è il passo più impegnativo."

Abbastanza leggero per le agenzie più piccole

Le previsioni basate sulla fisica dipendono dai supercomputer e l'IA generativa da potenti GPU, ma Mackey sostiene che PBC può funzionare con le sole CPU. Le elevate esigenze di calcolo hanno a lungo impedito a molte agenzie delle economie in via di sviluppo di adottare nuove tecniche previsionali. La coautrice Genevieve Flaspohler sostiene che, poiché il modello è leggero e facile da addestrare, gli scienziati privi di grandi risorse possano adattarlo alle proprie regioni.

Flaspohler ha lavorato a PBC come stagista presso Microsoft e oggi guida la organizzazione non profit Rhiza Research, che collabora con il Kenya Meteorological Service Authority, con finanziamenti della Gates Foundation, per verificare se l'IA possa migliorare i sistemi di allerta precoce. PBC è tra i metodi in valutazione in vista di una stagione delle piogge che dovrebbe essere più estrema durante un El Niño record. Il lavoro colloca Microsoft accanto a Google, Nvidia e altri soggetti che sviluppano strumenti di IA per la previsione meteorologica.