La previsione del tempo che ha plasmato gli sbarchi del D-Day sembra ancora difficile da battere. Nuove ricerche dell'Università di Reading mostrano che i migliori computer meteorologici di oggi, inclusi i moderni modelli di machine learning, avrebbero faticato a prevedere la finestra meteorologica del giugno 1944 meglio del Capitano James Stagg e del suo team, che disponevano di osservazioni scarse e nessun satellite.
Lo studio, pubblicato sulla rivista Weather prima dell'uscita del film sul D-Day intitolato Pressure, ha utilizzato modelli meteorologici basati sull'AI per produrre 50 diverse previsioni della tempesta che costrinse il Generale Dwight Eisenhower a ritardare l'invasione di 24 ore.
Una previsione fatta con quasi nulla
Nel 1944, i meteorologi non avevano satelliti, nessuna rete radar sull'Atlantico e solo una manciata di navi meteorologiche. Stagg, capo meteorologo delle forze alleate, consigliò a Eisenhower di spostare l'invasione dal 5 al 6 giugno, quando era prevista una stretta finestra di tempo più calmo sulla Manica.
Il professor Andrew Charlton-Perez, autore principale, ha dichiarato: "Il Capitano James Stagg ha avuto uno dei lavori più difficili della storia. Se la previsione fosse stata sbagliata, l'invasione avrebbe potuto fallire e la Seconda Guerra Mondiale avrebbe potuto essere persa."
Le macchine aggiungono dati, non certezza
I ricercatori hanno alimentato i modelli moderni con le migliori ricostruzioni disponibili del tempo del 1944. Anche così, le previsioni non concordavano sul fatto che la finestra del 6 giugno sarebbe rimasta. Le caratteristiche meteorologiche decisive erano piccole e di breve durata, il tipo che ancora sfugge tra le osservazioni.
Gli autori affermano che il caso del D-Day mostra i limiti della sola potenza di calcolo. La capacità umana di soppesare prove contrastanti e prendere una decisione sotto pressione rimane centrale per le previsioni, anche in un'era di machine learning.
Perché è importante ora
I modelli meteorologici migliorano ogni anno, ma il test del D-Day suggerisce che le tempeste piccole e in rapido movimento rimangono il loro punto debole. I risultati indicano il valore di reti di osservazione più fitte e la cura necessaria quando si affidano decisioni di previsione all'AI. La stessa tempesta che ha messo alla prova Stagg ora mette alla prova le macchine costruite per sostituirlo.