Google desarrolla un modelo de IA que mejora las predicciones meteorológicas actuales

Investigadores de Google Deep Mind han desarrollado un modelo de aprendizaje automático denominado 'GenCast', que es capaz de realizar previsiones meteorológicas probabilísticas más confiables, basándose en los estados meteorológicos actuales y futuros.

Este modelo supera las previsiones tradicionales de medio alcance, y es más eficaz para predecir condiciones extremas, la trayectoria de ciclones tropicales y la producción de energía eólica.

Los detalles sobre 'GenCast' fueron revelados en un artículo publicado este miércoles en la revista Nature.

Previsiones meteorológicas

Contar con previsiones meteorológicas precisas es fundamental para que individuos, gobiernos y organizaciones puedan tomar decisiones clave, como llevar un paraguas, evaluar la producción de energía eólica o anticiparse a condiciones extremas para prevenir desastres.

Las previsiones tradicionales se basan en métodos numéricos de predicción del clima, que estiman el tiempo presente y lo proyectan en previsiones futuras a través de modelos deterministas. Sin embargo, esto genera múltiples escenarios posibles que se combinan para ofrecer una única previsión.

En este contexto, el equipo de Google desarrolló el método GenCast, que usa aprendizaje automático para generar previsiones probabilísticas, prediciendo la probabilidad del clima futuro en función de los datos actuales y previos.

El modelo fue entrenado con 40 años (de 1979 a 2018) de datos meteorológicos. Gracias a este entrenamiento, GenCast es capaz de generar previsiones globales a 15 días, con intervalos de 12 horas, para más de 80 variables atmosféricas y de superficie en tan solo 8 minutos.

Al compararlo con las previsiones del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ENS), el modelo de Google superó al ENS en el 97,2% de los 1.320 objetivos utilizados.

Condiciones extremas

GenCast también demuestra mayor efectividad al predecir condiciones meteorológicas extremas, la trayectoria de ciclones tropicales y la producción de energía eólica.

Los autores sostienen que este avance permitirá generar previsiones más precisas y eficaces, favoreciendo una mejor planificación.

El meteorólogo Ernesto Rodríguez-Camino, miembro de la Asociación Meteorológica Española, comentó que las grandes tecnológicas, como Google, han hecho avances significativos en la calidad de las previsiones meteorológicas mediante modelos basados en aprendizaje automático, los cuales han superado al modelo IFS del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), considerado una referencia global.

Hasta ahora, los modelos basados en aprendizaje automático se habían centrado en predicciones deterministas, pero este artículo muestra un paso adelante al presentar predicciones probabilísticas basadas en un conjunto de datos iniciales ligeramente diferentes. Esto también mejora el sistema de predicción por conjuntos del ECMWF y muestra habilidades avanzadas para eventos meteorológicos extremos.

No obstante, el meteorólogo destaca que, aunque GenCast utiliza datos de reanálisis obtenidos mediante métodos tradicionales basados en leyes físicas, aún depende del modelo IFS para establecer las condiciones iniciales y entrenar los algoritmos.

Desde el punto de vista computacional, GenCast resulta altamente eficiente, lo que podría dar lugar a sistemas de predicción híbridos en el futuro cercano. Según Rodríguez-Camino, estos sistemas combinarían las ventajas de ambos enfoques: el uso de modelos basados en ecuaciones físicas para verificar y mejorar el sistema, y modelos basados en datos para optimizar los cálculos y aumentar los recursos en la predicción por conjuntos.