Mejorar los modelos de predicción meteorológica ha sido un objetivo prioritario para muchos científicos del mundo a lo largo del tiempo. De una correcta predicción meteorológica no solo depende nuestra selección de atuendos: también transportes por tierra, mar y aire; la agricultura; o las decisiones de producción del sector energético. Y sobre todo, una predicción meteorológica más precisa, puede evitar importantes riesgos, incluido el riesgo de perder la vida.
Una nueva herramienta. Ahora la división de Google dedicada al estudio de la inteligencia artificial (IA), Google DeepMind, promete revolucionar este sector con su nueva herramienta: GenCast. GenCast es un modelo basado en inteligencia artificial capaz de predecir el tiempo y los riesgos asociados a condiciones meteorológicas extremas.
Según la empresa el modelo está a la altura de los modelos meteorológicos más avanzados. Además, GenCast es un modelo de código abierto.
15 días de antelación. El nuevo modelo resulta de especial interés por su capacidad de realizar predicciones a medio plazo. Según la empresa estadounidense, su nuevo modelo sus previsiones mantienen la precisión incluso a la hora de adelantarse 15 días a los eventos meteorológicos, un rango en el que las incertidumbres suelen ser altas en los modelos contemporáneos.
Modelos probabilísticos. Los modelos de predicción a medio plazo, como los utilizados por el Centro Europeo de Predicción a Medio Plazo (ECMWF), se basan en la creación de diversas predicciones basadas en distintos escenarios. Los resultados son después ponderados para generar una predicción probabilística, es decir, que asigna distintas probabilidades a las diversas situaciones previstas por el modelo.
Una de las desventajas de esto es que generar estos resultados requiere mucho esfuerzo de computación. Esto implica que necesitamos un superordenador dedicando horas de actividad a estos cálculos. El tiempo que transcurre entre que introducimos los últimos datos atmosféricos hasta que obtenemos sus resultados puede ser de unas dos horas, explica a SINC Ferran Alet Puig, investigador senior de Google DeepMind y coautor del estudio
De los superordenadores a la IA. El nuevo modelo no parte de modelos teóricos basados a su vez en lo que sabemos de las leyes de la física, sino a partir de observaciones, explican sus creadores. Utilizaron para ello registros meteorológicos históricos hasta el año 2018. Nutrido de estos datos, el modelo pudo ajustarse para “aprender” de esta información.
“Los modelos de aprendizaje automático como GenCast funcionan de manera muy distinta a los modelos clásicos. El ENS (un sistema de pronóstico probabilístico) del [ECMWF] esencialmente simula las leyes de la física con superordenadores. En teoría, creemos conocer las leyes de los fluidos, pero a la práctica tenemos errores en los sensores y una capacidad de computación finita. Existen muchos parámetros de los modelos que no conocemos”, indica Alet Puig a SINC.
El nuevo modelo requiere de menos poder de computación y, sobre todo, de tiempo, ya que sus resultados pueden estar listos en cuestión de minutos. El equipo responsable de desarrollar este modelo lo ha hecho a través de un artículo en la revista Nature.
Poniendo a prueba el modelo. Si los registros meteorológicos hasta el año 2018 sirvieron para adiestrar el modelo, el modelo fue puesto a prueba con datos posteriores. Con resultados satisfactorios.
Revolución o evolución. Pese a lo innovador de la nueva propuesta, aún es pronto para romper con los modelos tradicionales. Pese a lo innovador de la metodología, el nuevo modelo aún depende de modelos meteorológicos tradicionales para realizar su trabajo.
“Sin embargo, sistemas como el GenCast aquí descrito hacen uso del reanálisis obtenido por métodos tradicionales basados en leyes físicas, por lo que es todavía dependiente del modelo IFS [Integrated Forecasting System] del ECMWF, tanto para establecer las condiciones iniciales como para entrenar a los algoritmos de aprendizaje automático”, explica Ernesto Rodríguez Camino, meteorólogo superior del Estado y miembro de la Asociación Meteorológica Española, en declaraciones recogidas por Science Media Center.
Indica Rodríguez Camino que es probable que veamos “en un futuro no muy lejano” sistemas híbridos que combinen ambas aproximaciones. A través de este doble enfoque podremos quizás utilizar los modelos basados en ecuaciones físicas “para verificar, entrenar y mejorar el sistema”, y los modelos basados en observaciones “para optimizar el cálculo de las predicciones e incrementar los recursos de la predicción por conjuntos”.
En Xataka | La predicción meteorológica va a mejorar mucho en España: AEMET ha invertido 25 millones de euros en ello
Imagen | Pixabay
Ver 13 comentarios