Meteorología: Una Ia De Google Deepmind Resulta Ser Más Precisa Que Todos Los Modelos Predictivos Actuales.

La inteligencia artificial no deja de revolucionar los métodos y de aumentar la eficiencia en muchos sectores. Si consideras que las previsiones meteorológicas a medio plazo no son nada fiables, debes saber que la inteligencia artificial podría cambiar pronto esta situación en este campo. Una IA desarrollada por Google Deepmind ha demostrado ser más precisa que todos los modelos de pronóstico actuales. Explicaciones.

Un avance en el campo de las predicciones meteorológicas.

Las previsiones meteorológicas son importantes tanto para particulares como para profesionales. Les permiten adaptar sus actividades en función de las inclemencias del tiempo y planificar su agenda. Pero no siempre son fiables, especialmente a medio plazo...

En este campo, como en muchos otros, la inteligencia artificial podría ayudar a los pronosticadores a dar un verdadero salto adelante, según un artículo publicado recientemente en la prestigiosa revista Science.

Un equipo de Google Deepmind, la filial del grupo especializada en inteligencia artificial, ha desarrollado un programa de pronóstico meteorológico a 10 días llamado GraphCast y ha obtenido resultados impresionantes.

Pronósticos precisos en tiempo récord.

La IA desarrollada por Google Deepmind ha logrado superar casi todas las herramientas de predicción existentes para las previsiones meteorológicas a medio plazo. Pero su eficacia no es su única cualidad. Para lograr este excelente resultado, esta inteligencia artificial solo ha utilizado una fracción de la potencia de cálculo necesaria para HRES, acrónimo de High Resolution Forecast que designa el sistema de predicción del Centro Europeo para las Previsiones Meteorológicas.

El rendimiento de GraphCast, revelado en la revista Science, es impresionante. Según los autores de este artículo, este algoritmo ha obtenido resultados superiores a los de HRES en más del 99 % de las variables meteorológicas y en el 90 % de las 1300 regiones probadas!

Esta inteligencia artificial también se ha demostrado capaz de prever catástrofes con gran precisión. Anticipó el punto de impacto preciso del huracán Lee, que golpeó la provincia canadiense de Nueva Escocia en septiembre, con 9 días de antelación. Por su parte, los sistemas de predicción tradicionales solo lo lograron 6 días antes de la llegada del huracán y con una precisión geográfica menor.

Pero lo más revolucionario es la velocidad con la que GraphCast entrega sus resultados. Mientras que el sistema HRES necesita varias horas para dar previsiones meteorológicas de 10 días, el algoritmo de Google Deepmind proporciona un resultado en menos de un minuto!

Un método radicalmente diferente.

GraphCast se diferencia de los sistemas actuales de predicción meteorológica por el uso de inteligencia artificial y también por los datos utilizados para obtener un resultado.

Hoy en día, los mejores sistemas de pronóstico del tiempo como el HRES funcionan todos de la misma manera: utilizan ecuaciones termodinámicas y de mecánica de fluidos para calcular parámetros como la temperatura, la humedad y la presión atmosférica.

Dado que estas ecuaciones son extremadamente complejas, se requiere mucho tiempo y gran expertise para definirlas y traducirlas en algoritmos. La predicción meteorológica también necesita el uso de supercomputadoras de vanguardia, que ofrecen una potencia de cálculo fenomenal, para aplicar estos cálculos a gran escala.

Los ingenieros de Google Deepmind han elegido un enfoque completamente diferente. En lugar de calcular las variaciones de la atmósfera a partir de ecuaciones, han preferido basar sus predicciones en datos del mundo real. Han entrenado su inteligencia artificial con una enorme base de datos meteorológicos recopilados durante varias décadas.

Este entrenamiento ha permitido que GraphCast aprenda las relaciones de causa y efecto que rigen la evolución del clima. El sistema de Google utiliza las reglas que ha aprendido para determinar rápidamente el clima en los próximos 10 días, sin tener que pasar por ecuaciones muy complejas.

Una herramienta que no es infalible.

Ante el impresionante rendimiento de GraphCast, uno podría pensar que pronto reemplazará a todos los demás sistemas predictivos. Pero eso no ocurrirá en un futuro cercano, ya que este método de pronóstico del tiempo tiene un defecto importante.

Con este tipo de inteligencia artificial, solo podemos observar los resultados y posiblemente elogiar su precisión. Pero no podemos determinar exactamente cómo el algoritmo ha llegado a ellos. La magia ocurre en una especie de "caja negra" que permanece opaca a nuestra comprensión... Si el algoritmo comenzara a ofrecer resultados desconectados de la realidad, sería casi imposible darse cuenta y determinar la fuente exacta del problema.

Por el contrario, los modelos predictivos tradicionales son mucho más robustos. De hecho, la precisión de las previsiones meteorológicas mejora constantemente, no solo porque los supercomputadores utilizados son cada vez más potentes, sino también porque los meteorólogos no dejan de refinar sus ecuaciones con el tiempo, comparando las previsiones con el tiempo real.

Incluso los investigadores de Google Deepmind reconocen que su invención no está destinada a reemplazar los sistemas predictivos modernos como HRES. En cambio, consideran que ambas herramientas son complementarias. GraphCast es una nueva herramienta cuya experimentación continuará. Interesa a los investigadores en meteorología porque puede ser muy útil, siempre y cuando no se dependa enteramente de él. Al menos, por ahora…