Pocas cosas nos gustan más que saber el tiempo que va a hacer. La meteorología es una ciencia que obsesiona a millones de personas y, con los años, los meteorólogos han ido mejorando su precisión… hasta ahora.
Google DeepMind, la inteligencia artificial del gigante de las búsquedas, acaba de anunciar un nuevo modelo de predicción meteorológica que supera a los sistemas tradicionales en más del 90% de las ocasiones.
Bautizado como GraphCast, el modelo de aprendizaje automático promete predicciones a 10 días que son mejores, más rápidas y más eficientes energéticamente que las herramientas que ejecutan tu aplicación meteorológica hoy en día.
“Creemos que esto marca un punto de inflexión en la predicción meteorológica”, escriben los investigadores de Google en un estudio publicado hoy martes.
Un nuevo modelo más barato y preciso: la IA al servicio de la ciencia
En general, el modelo actual de predicción se llama “predicción meteorológica numérica (NWP)”. El NWP introduce las condiciones meteorológicas actuales en enormes modelos que simulan los próximos cambios basándose en los principios de la dinámica de fluidos, la termodinámica y otras ciencias atmosféricas. Es complicado, caro y requiere toneladas de potencia informática.
En lugar de hacer simulaciones sobre cómo volarán las moléculas y chocarán entre sí, GraphCast rompe con la tradición al hacer más hincapié en los datos históricos. En otras palabras, es un modelo de aprendizaje automático que hace predicciones basándose en lo que ocurrió en el pasado. Hay mucha ciencia informática de por medio, pero en general es mucho más sencillo en cuanto al nivel y el número de cálculos que requiere.
GraphCast parte del estado actual del tiempo en la Tierra y de datos sobre el tiempo hace seis horas. A continuación, hace una predicción sobre el tiempo que hará dentro de seis horas. A continuación, GraphCast vuelve a introducir esas predicciones en el modelo, realiza el mismo cálculo y emite predicciones a más largo plazo.
El equipo de Google comparó los resultados de GraphCast con el modelo actual de predicción meteorológica a medio plazo, denominado HRES. Según el estudio, GraphCast superó “significativamente” a HRES en el 90% de los objetivos utilizados en la prueba.
GraphCast también tuvo un éxito sorprendente en la predicción de fenómenos meteorológicos extremos, como ciclones tropicales y cambios bruscos de temperatura, a pesar de no haber sido entrenado específicamente para ello.
Los autores del estudio afirman que su trabajo está pensado para trabajar junto a los sistemas estándar en los que confían los meteorólogos. “Nuestro enfoque no debe considerarse un sustituto de los métodos tradicionales de previsión meteorológica”, escriben los autores del estudio.
