Nuevo modelo de IA podría marcar el inicio de una nueva era de predicciones meteorológicas más rápidas y fiables

Este modelo de inteligencia artificial genera predicciones con 15 días de antelación, así como la probabilidad de acierto con más precisión que el mejor sistema utilizado en la actualidad.

Modelo GenCast

Los pronósticos meteorológicos siempre tienen un cierto grado de incertidumbre, por lo que predecir escenarios meteorológicos probables es crucial para tomar decisiones importantes. Estos se denominan pronósticos “probabilísticos”, que asocian cada pronóstico con una determinada probabilidad de ocurrencia.

Las predicciones de este modelo de IA, desarrollado por Google DeepMind, se compararon con las predicciones del mejor modelo operativo a mediano plazo del mundo, el Sistema de Predicción Ensemble (ENS) del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ECMWF).

GenCast genera un conjunto de pronósticos globales estocásticos, asociados a probabilidad de ocurrencia, de 15 días, con pasos de 12 horas y una resolución de 0,25 ° de latitud-longitud, para más de 80 variables atmosféricas y de superficie, en 8 minutos.

Los pronósticos convencionales, incluidos los del ENS, se basan en modelos matemáticos que simulan las leyes de la física que gobiernan la atmósfera terrestre. Utilizan supercomputadoras para analizar datos de satélites y estaciones meteorológicas, un proceso que lleva horas y requiere grandes cantidades de potencia informática.

Según Ilan Price, investigador de Google DeepMind en Londres y autor del artículo, este modelo, GenCast, por el contrario, fue desarrollado únicamente con datos meteorológicos históricos, lo que permite al sistema establecer relaciones complejas entre variables como la presión atmosférica, la humedad, temperatura y viento. Este hecho le ayuda a superar los sistemas estrictamente basados en la física con aprendizaje automático.

Evolución de la IA en la previsión meteorológica

La previsión meteorológica mediante IA ha avanzado rápidamente y varias empresas han desarrollado modelos nuevos y mejores. A principios de este año, Google lanzó NeuralGCM3, un sistema híbrido que combina modelos basados en la física con inteligencia artificial para producir predicciones a corto y largo plazo a la par de los modelos convencionales.

Algunos de los sistemas de IA lanzados hasta la fecha son modelos "deterministas", lo que significa que sólo ofrecen una única predicción y no estiman la probabilidad de que la predicción sea correcta. En cambio, GenCast genera predicciones "ensemble", es decir, un conjunto de predicciones que se han producido a partir de condiciones iniciales ligeramente diferentes.

Los autores del estudio prepararon la IA con datos meteorológicos globales de 1979 a 2018 y luego predijeron el tiempo para 2019. Para comprobar su precisión, compararon los pronósticos de GenCast con datos meteorológicos reales y los pronósticos ENS del ECMWF para ese año.

Los investigadores han publicado el código subyacente y están poniendo los parámetros del modelo a disposición para uso no comercial. Según Price, esto ayudará a “democratizar” la investigación y aumentar el acceso público a la modelización meteorológica.

Ante esto, Matthew Chantry, coordinador de aprendizaje automático del Centro Europeo de Predicción Meteorológica a Medio Plazo de Reading (Reino Unido), afirma que es necesario conocer el rendimiento de estos modelos en los fenómenos meteorológicos más extremos y que la publicación del modelo y los datos permitirá a la comunidad científica evaluarlos, dice.

Chantry, que ya había leído un manuscrito del artículo hace un año, implementó algunos de los avances clave en el propio modelo de aprendizaje automático del ECMWF. El modelo resultante, llamado Sistema Integrado de Previsión e Inteligencia Artificial (AIFS), se publicará próximamente.

Referencia de la noticia:

Ilan Price, Alvaro Sanchez-Gonzalez, et, al., Probabilistic weather forecasting with machine learning. Nature (2024).