Microsoft AI Aurora predice la contaminación atmosférica y el tiempo, con una previsión rápida a 10 días

El modelo de inteligencia artificial de Microsoft, Aurora, emerge como el pionero en la predicción de la contaminación atmosférica global.

Desarrollado por un equipo de Microsoft Research AI for Science en Ámsterdam, las rápidas capacidades de pronóstico de Aurora presagian una nueva era en el monitoreo ambiental. Esta innovación ofrece una precisión y velocidad sin precedentes en la predicción de los niveles de contaminación, remodelando nuestro enfoque para abordar los problemas de calidad del aire en todo el mundo.

Revolucionario modelo de IA de Microsoft

El modelo Aurora AI representa un avance significativo en la química atmosférica y el aprendizaje automático, según Matthew Chantry, investigador de aprendizaje automático en el Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF).

La previsión meteorológica tradicional se basa en modelos matemáticos de procesos atmosféricos, terrestres y marinos. Si bien el aprendizaje automático se ha integrado previamente con estos modelos para predecir la contaminación del aire, Aurora se destaca como el primer modelo totalmente impulsado por IA que logra esto a escala global.

La complejidad de predecir la contaminación del aire es mucho mayor que la de pronosticar el tiempo, dice Chantry.

Chantry destaca la eficiencia de los modelos de IA como Aurora, que requieren menos potencia computacional que los modelos tradicionales. Esta eficiencia permite predicciones más rápidas y rentables.

Las capacidades de Aurora son impresionantes: pronostican los niveles de seis contaminantes atmosféricos importantes (incluidos el monóxido de carbono, los óxidos de nitrógeno, el dióxido de azufre, el ozono y las partículas) en todo el mundo en menos de un minuto. Proporciona predicciones de cinco días con costos computacionales significativamente más bajos en comparación con los modelos convencionales utilizados por el Servicio de Monitoreo de la Atmósfera de Copernicus.

Entrenando el modelo Aurora

El entrenamiento de Aurora fue un proceso extenso que involucró más de un millón de horas de datos de seis modelos meteorológicos y climáticos diferentes. Este conjunto de datos diverso y completo permitió al equipo perfeccionar las capacidades predictivas de Aurora tanto para el clima como para la contaminación del aire. Al integrar estas vastas fuentes de datos, los investigadores se aseguraron de que Aurora pudiera manejar varios problemas de pronóstico atmosférico, incluidos aquellos con datos de entrenamiento limitados y eventos extremos.

La capacitación de Aurora se centró en producir pronósticos operativos para la contaminación del aire global y patrones climáticos de alta resolución. Después de la fase de entrenamiento inicial, el equipo ajustó el modelo para mejorar su precisión en la predicción de la contaminación y el clima a nivel mundial. El resultado es un modelo que puede generar pronósticos de contaminación del aire a cinco días y pronósticos meteorológicos globales a diez días con notable precisión y eficiencia.

La calidad de las predicciones de Aurora rivaliza con la de los modelos convencionales, lo cual es crucial para que los responsables de las políticas que rastrean la contaminación del aire mitiguen los riesgos para la salud como el asma, las enfermedades cardíacas y la demencia. Aunque las comparaciones con otros modelos de IA como GraphCast aún son preliminares, Aurora ha demostrado potencial para superarse en determinadas tareas.

Investigaciones adicionales ayudarán a determinar si los modelos fundamentales de IA como Aurora, entrenados en diversos conjuntos de datos, ofrecen un rendimiento superior a los entrenados en conjuntos de datos únicos.

Referencia de la noticia:
Wong, C. “Superfast Microsoft AI is first to predict air pollution for the whole world”https://www.nature.com/articles/d41586-024-01677-2