Google quiere abaratar (y mucho) la predicción del tiempo

Durante décadas investigadores de un amplio número de disciplinas científicas, se han esforzado en desarrollar mejores modelos predictivos, capaces de anticipar las futuras condiciones meteorológicas con cada vez más precisión y días o incluso semanas de antelación.

En los últimos años, el desarrollo de la inteligencia artificial ha cambiado la forma en la que nos enfrentamos a la clásica pregunta de ¿va a llover mañana?, facilitando predicciones basadas en machine learning y datos históricos, que aunque son capaces de ofrecer un grado razonable de acierto, no responden con la misma eficacia ante sucesos inesperados.

Ahora investigadores de Google han desarrollado, el que dicen que es el el mejor modelo de predicción meteorológica hasta la fecha, que combina el aprendizaje automático con técnicas más convencionales de análisis de datos (Big Data), lo que podría dar lugar a predicciones precisas por una fracción del coste actual.

El modelo, bautizado como NeuralGCM, se propone salvar una brecha que ha crecido entre los expertos en los últimos años y que los ha dividido entre los que se inclinan hacia el uso más intensivo de la IA y los que en cambio, abogan por un «análisis clásico» basado en datos empíricos y en tiempo real.

Borrando las fronteras

Tal y como apuntábamos al principio, aunque las nuevas técnicas de ML que predicen el tiempo a partir de un histórico de datos son extremadamente rápidas y realmente eficaces, suelen presentar problemas con las predicciones a largo plazo.

Por otro lado, los modelos de «circulación general atmosférica» que han dominado la meteorología durante los últimos 50 años, utilizan complejas ecuaciones para modelizar los cambios en la atmósfera y ofrecer previsiones precisas, pero su ejecución es extremadamente lenta y costosa. ¿Qué propone entonces Google?

NeuralGCM sigue utilizando una aproximación convencional para calcular algunos de los grandes cambios atmosféricos que se necesitan para hacer una predicción. A continuación, incorpora la IA, que suele dar buenos resultados allí donde los modelos de mayor tamaño fallan, normalmente para predicciones a escalas inferiores a unos 25 kilómetros, como las que tienen que ver con formaciones nubosas o microclimas regionales.

El resultado, según los investigadores, es un modelo capaz de producir predicciones de calidad más rápidamente, empleando menos potencia de cálculo. Tanto que aseguran que NeuralGCM ya es tan preciso en sus predicciones de entre 1 y 15 días, como lo es el Centro Europeo de Previsiones Meteorológica a Plazo Medio (ECMWF), organización asociada a la investigación.

A medio plazo, la gran promesa de este modelo no es tanto la de competir con la predicción local del tiempo, sino de trabajar en la predicción de grandes fenómenos climáticos a escala cuyo coste empleando técnicas convencionales resulta completamente prohibitivo. Esto incluye desde poder predecir el impacto de huracanes con más antelación hasta modelizar cambios climáticos más complejos que podrían manifestarse en los próximos años.

NeuralGCM será aseguran desde Google, un modelo Open Source, de interés no solo para los meteorólogos, sino también para comerciantes de materias primas, planificadores agrícolas, compañías de seguros, etc.