La Inteligencia Artificial al servicio de la mejora de la predicción meteorológica

La predicción del tiempo ha mejorado notablemente en los últimos años, pero todavía puede hacerlo más gracias a la intervención de las nuevas tecnologías. Como la Inteligencia Artificial, un ingrediente básico que, sumado a los modelos de predicción meteorológica especializados pueden mejorar de manera notable los utilizados tradicionalmente.

Google es una de las compañías que se han propuesto conseguirlo, y en su división de IA DeepMind se pusieron hace ya tiempo manos a la obra para desarrollar GraphCast, un modelo de predicción que, según el estudio que han publicado en Science, tiene una precisión que supera incluso al conocido como Modelo Europeo, uno de los más precisos y utilizados en meteorología por profesionales, académicos y aficionados a la meteorología.

La precisión de GraphCast ha resultado ser superior tanto en predicciones diarias del tiempo y de fenómenos meteorológicos adversos, como huracanes, olas de frío y olas de calor. Su precisión lo convierte en un punto de partida muy interesante para el futuro de la predicción meteorológica, aunque eso no quiere decir que una IA vaya a suistituir a los métodos de predicción tradicionales. Al menos, no por ahora.

GraphCast se ha entrenado utilizando un histórico de datos meteorológicos que recopila información de casi 4 décadas. Como resultado, es capaz de hacer una previsión a 10 días, con intervalos de seis horas, para distintos puntos de la Tierra. Además, es capaz de hacerlo en menos de un minuto funcionando en un ordenador de tamaño reducido.

GraphCast: predicción meteorológica con menos consumo de recursos

A un modelo convencional le cuesta más o menos una hora, o más, hacer la predicción. Para ello, además, utiliza un superordenador de gran tamaño. A pesar de consumir más recursos, quedan por detrás de GraphCast en velocidad y precisión. Este supera al modelo europeo en un 10% en cuanto a precisión sobre más del 90% de las variables examinadas.

Su rendimiento no solo se evaluó utilizando variables meteorológicas individuales, como la temperatura, la presión o la velocidad del viento. También se valoró su funcionamiento en la predicción de eventos extremos, como ciclones tropicales y olas de calor y de frío.

El sector de la meteorología está atrayendo cada vez más atención de gobiernos nacionales, regionales e incluso locales de todo el mundo. Gracias a ellos no solo pueden salvar vidas si saben con la suficiente antelación que se va a dar un fenómeno extremo en su territorio. También pueden asignar recursos en función del tiempo, tomar decisiones sobre tráfico o transporte e incluso programar actividades. El ahorro económico que pueden conseguir gracias a ellos, además de una mayor seguridad, es considerable.

Los modelos tradicionales, como el mencionado europeo, los gestiona el Centro europeo de predicciones meteorológicas de alcance medio (ECMWF), con sede en Reading (Reino Unido). Otro de los modelos más populares, el conocido como Americano, lo gestiona la Administración atmosférica y oceánica Nacional, en Estados Unidos.

Ambos son varios de los modelos encargados de hacer predicciones con base en ecuaciones matemáticas de gran complejidad. Ofrecen datos muy útiles a la población, pero también resulta muy caro ejecutarlos, porque necesitan una potencia de computación muy elevada.

Cómo funcionan los modelos meteorológicos con IA

Los modelos de predicción meteorológica que emplean IA utilizan un enfoque distinto. Se les entrena para reconocer patrones entre cantidades ingentes de datos históricos sobre meteorología, para después generar predicciones a partir del suministro de las condiciones meteorológicas que hay en un momento dato, y que los modelos apliquen lo que han aprendido de los patrones históricos. Se trata de un proceso mucho menos intenso en cuanto a recursos de computación, y que se puede realizar en minutos, o incluso segundos, en ordenadores muchísimo menos potentes.

Además, estos modelos con IA tienen la capacidad de ir aprendiendo a medida que van creciendo los archivos de datos meteorológicos pasados. Por tanto, cuanto más se usan, mayor precisión van consiguiendo, ya que detectan más patrones en los datos. Sobre todo, patrones que no se pueden representar con facilidad por medio de resultados de ecuaciones.

A pesar de las ventajas que parece ofrecer, varios investigadores han expresado sus dudas sobre la capacidad de la IA para predecir de manera precisa los fenómenos meteorológicos extremos. En parte, porque hay bastante pocos eventos de este tipo registrados en el pasado, y de los que los modelos puedan por tanto aprender.

Aparte de esto, GraphCast fue capaz de reducir los errores de rastreo en la previsión de ciclones alrededor de 15 kilómetros en un tiempo de entre dos y cuatro días. Además, mejoró las previsiones de olas de calor y frío con una antelación de entre cinco y diez días.

Los modelos con IA todavía tienen sus limitaciones

Por tanto, todo parece indicar que GraphCast está listo para predecir el tiempo con precisión, y tanto él como otros modelos con IA, que han mostrado buenas cifras y resultados, pueden utilizarse ya en la actualidad en la previsión. Pero no es así, porque tienen limitaciones.

Por ejemplo, debido a las que hay con relación a los datos de entrenamiento y las limitaciones de ingeniería, los modelos de IA globales no son capaces todavía de generar previsiones para tantos parámetros, o con el mismo nivel de granularidad, como los manejados por los modelos convencionales. Esto hace que modelos como GraphCast sean menos útiles para predecir fenómenos a pequeña escala, como tormentas e inundaciones. Tampoco son muy precisos en la detección de grandes sistemas que generan grandes cantidades de precipitaciones en distancias cortas.

Además, también es necesario vencer las reticencias de los meteorólogos a utilizarlos, dado que uno de sus principales trabajos es interpretar y comunicar información, lo que dificulta la falta de herramientas que permitan determinar por qué un modelo de IA hace un pronóstico determinados. Además, estos modelos son todavía recientes, y es necesario generar confianza en ellos, tanto del sector de investigación del clima, como de los meteorólogos antes de valorar su uso en determinadas operaciones.

La mayoría de expertos del sector, entre los que están los autores del estudio, están de acuerdo en que los modelos tradicionales no van a ser sustituidos por los que incorporan IA. Dependerán todavía de los modelos convencionales para suministrarles datos de entrenamiento, además de para generar las condiciones actuales que utilizan como punto de partida para hacer una previsión.

Google no es la única compañía dedicada entre otras cosas a la IA que ha hecho avances en modelado meteorológico con IA en los últimos dos años. Según el Washington Post, Microsoft, Nvidia y Huawei también los han hecho, publicando los resultados de sus modelos con IA, y asegurando que su rendimiento es, al menos, tan preciso como el del modelo europeo. Para asegurarse de que, efectivamente, lo son, varios científicos del ECMWF los han probado, y han asegurado que los resultados que consiguen con muy similares al del modelo convencional mencionado.

El pasado mes de septiembre, por ejemplo, varios modelos de IA desarrollador por Google, Nvidia y Huawei fueron capaces de predecir el rastro exacto que iba a dejar el huracán Lee, y de hacerlo una semana antes de que sucediese. El EMCWF empezó a publicar previsiones de los tres modelos en su web un día después de que Lee creciese hasta convertirse en una tormenta tropical. Hay otro centro en Estados Unidos, el Instituto cooperativo para la investigación de la atmósfera, de Colorado, que ha puesto en marcha una web con un fin parecido, y lo lanzará a principios de diciembre.

En Reino Unido, la Oficina Meteorológica ha anunciado hace poco una colaboración con investigadores del Instituto Alan Turing, en Inglaterra, para desarrollar modelos de predicción con AI. Lo harán con el objetivo de mejorar la predicción de algunos fenómenos meteorológicos extremos, como las lluvias torrenciales o las tormentas que puedan causar daños, con mayor precisión que la actual. Google, por su parte, ha anunciado también otro modelo con IA capaz de hacer predicciones de precipitación más localizadas.<

A la vista de esto, la Inteligencia Artificial ofrece las mejoras necesarias para mejorar en la gestión y realización de procesos, y ofrecer valor a empresas de prácticamente cualquier sector. Si quieres saber qué puede aportar a la tuya, solo tienes que rellenar este formulario para conseguir un documento que detalla todo lo que puede ofrecerte.