La IA supera la capacidad de los modelos meteorológicos actuales
 |
| Presión media del nivel del mar de alta resolución y dispersión del conjunto según modelo ECMWF. Hora base: jueves 14 de noviembre de 2024 12 UTC T+96 Hora válida: lunes 18 de noviembre de 2024 12 UTC (T+96) |
15 noviembre 2024.- Cuando el huracán Beryl atravesaba la cuenca del Atlántico en julio, la herramienta de pronóstico del tiempo creada por Google Deepmind, la unidad de inteligencia artificial de la compañía tecnológica, vio algo que otros modelos pasaron por alto. El programa impulsado por IA de Deepmind, llamado GraphCast, pronosticó que la tormenta se alejaría bruscamente del sur de México al sur de Texas casi una semana antes de lo que lo hicieron los pronósticos convencionales, y acertó.
La dramática predicción muestra la promesa de nuevos modelos meteorológicos impulsados por IA en medio de una destructiva temporada de huracanes que también contó con Helene y Milton. Con la temporada llegando a su fin, las agencias meteorológicas y las empresas de tecnología están analizando cómo estos nuevos modelos se comparan con los tradicionales. Los primeros resultados sugieren que la IA es capaz de realizar pronósticos inquietantemente precisos, incluso cuando los modelos aún necesitan mejorar su habilidad con otras métricas.
Los científicos han hecho un progreso increíble utilizando modelos que se basan en la física para hacer predicciones de tormentas. Los pronósticos de tres días para las trayectorias de los huracanes se desviaron en un promedio de 520 millas en 1970. Hoy, es una décima parte de eso. Las proyecciones de cuatro y cinco días ni siquiera comenzaron hasta después del año 2000 y también han experimentado un progreso dramático en las últimas dos décadas. Pero la fenomenal tasa de mejora de los modelos basados en la física se está desacelerando, al igual que el cambio climático se está acelerando.
"Cada vez es más difícil hacer avances en ese campo", dijo Rémi Lam, científico investigador de Google DeepMind.
La proyección de Beryl es solo uno de los aspectos más destacados recientes de cómo la IA está ampliando los límites de la predicción de huracanes. Un análisis presentado esta semana en una conferencia de mejora del pronóstico de huracanes en Miami analizó qué tan bien le fue a GraphCast de 2021 a 2024.
Superó los modelos convencionales en las cuencas de huracanes del Atlántico y el Pacífico durante los primeros cinco días de una tormenta, dijo Ferran Alet, científico investigador de Google DeepMind. Sus pronósticos alcanzaron la marca 12 horas más rápido que el Sistema Global de Pronóstico Meteorológico de EE. UU. Otro modelo impulsado por IA del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF) proyectó que el huracán Francine llegaría a Luisiana 10 días antes, mucho antes que la mayoría de los otros modelos.
Si bien son buenos para trazar hacia dónde irán las tormentas, los modelos son algo ciegos a otros elementos críticos, particularmente la intensidad. GraphCast está entrenado para resolver predicciones contradictorias promediándolas, lo que tiende a predecir menos de la velocidad del viento. Se desalienta a las IA a cometer errores, dijo Ryan Keisler, autor de un artículo de 2022 al que se le atribuye el impulso de los recientes avances de investigación. Por lo tanto, comúnmente pronostican estimaciones de menor intensidad de viento en lugar de arrojar resultados más altos, más raros y potencialmente erróneos.
Pero los beneficios de la IA son cada vez más claros, incluso más allá de la precisión de sus pronósticos de seguimiento.
GraphCast puede generar una predicción meteorológica de 10 días en menos de un minuto en una máquina que, según Lam, es "más grande que una computadora portátil, pero puedes sostenerla en tus manos". En comparación, los modelos estándar pueden tardar alrededor de una hora en hacer lo mismo en una supercomputadora. GraphCast también ha funcionado con más de un 90% más de precisión que el modelo estándar basado en la física elaborado por el ECMWF, considerado el estándar de oro.
El enfoque de DeepMind ha demostrado ser tan convincente que ECMWF lo ha tomado prestado para producir su propio modelo de IA, que ya supera al convencional del grupo. El grupo espera utilizar su modelo en operaciones generales de predicción meteorológica el próximo año. Pero todavía habrá barandillas basadas en la física.
"No estamos considerando apagar el sistema físico", dijo Matthew Chantry, coordinador de aprendizaje automático de ECMWF. "Estamos buscando ejecutar dos sistemas que, por el momento, tienen sus propias fortalezas y debilidades".
En última instancia, los investigadores quieren que sus productos de IA ayuden a los meteorólogos a emitir pronósticos que puedan proteger mejor las vidas y la propiedad. Los asistentes a las conversaciones sobre el clima de la COP29 en Bakú (Azerbaiyán) también están debatiendo las formas en que la IA puede ayudar a hacer frente al cambio climático, lo que supone un cambio respecto a las discusiones habituales sobre las emisiones de la IA.
Fuente: Bloomberg Green
COMENTARIOS