La Inteligencia Artificial podría acelerar las previsiones de fenómenos meteorológicos extremos

En la actualidad, los meteorólogos utilizan complejos modelos de simulación mediante ordenadores para hacer sus predicciones. Una tarea que demanda horas debido a que los científicos deben analizar, una por una, enormes cantidades de variables físicas.

Sin embargo, dos artículos publicados en la prestigiosa revista académica Nature sugieren que los nuevos sistemas de Inteligencia Artificial (IA) podrían acelerar considerablemente el proceso y hacer más precisas las previsiones y los avisos de fenómenos extremos.

El primero, desarrollado por la tecnológica multinacional china Huawei, detalla cómo su nuevo modelo de IA, Pangu-Weather, puede predecir patrones meteorológicos semanales en todo el mundo con una velocidad mucho mayor que los métodos tradicionales. Además, lo hace con una precisión incomparable.

El segundo, demuestra la forma en que un algoritmo de aprendizaje profundo fue capaz de predecir precipitaciones extremas con más precisión y antelación que otros métodos, siendo el mejor posicionado en el 70% de las pruebas realizadas para compararlo con los sistemas similares ya existentes.

Diez mil veces más veloz

“Si se adoptan, estos modelos podrían utilizarse junto con los métodos convencionales de predicción para aumentar la capacidad de las autoridades y ayudar así a prepararse ante la posibilidad de eventos extremos”, afirma Lingxi Xie, investigador principal de Huawei.

Para crear Pangu-Weather, los investigadores construyeron una red neuronal profunda que alimentaron con muestras horarias recolectadas entre 1979 y 2021. A diferencia de los métodos convencionales, que analizan las variables una por una, Pangu-Weather fue capaz de procesarlas todas al mismo tiempo y completar predicciones globales de 24 horas en sólo 1,4 segundos.

Los investigadores compararon Pangu-Weather con uno de los principales sistemas convencionales de predicción: el sistema integrado de predicción operativa del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF, por sus siglas en inglés), y comprobaron que su precisión era similar.

Durante las pruebas, el modelo demostró una mayor precisión que los métodos tradicionales para pronósticos de 1 hora a 7 días, con un aumento de la velocidad de predicción de 10.000 veces.

Pangu-Weather fue capaz, incluso, de anticipar con asombrosa precisión, a pesar de no haber sido entrenado con datos sobre ciclones, la trayectoria del tifón tropical Mawar, el más fuerte registrado en el hemisferio norte en el pasado mes de mayo. Según la Administración Meteorológica de China, el modelo predijo con cinco días de anticipación su cambio de rumbo.

“El hallazgo demuestra que los modelos de aprendizaje automático son capaces de captar los procesos físicos de la meteorología y generalizarlos a situaciones que no visto antes”, explica Oliver Fuhrer, jefe del departamento de Predicción Numérica de MeteoSwiss, la Oficina Federal Suiza de Meteorología y Climatología.

“Pangu-Weather es emocionante porque puede predecir mucho más rápido de lo que los científicos eran capaces antes, y además predecir eventos que no estaban en sus datos originales de entrenamiento”, destaca Fuhrer.

Al explicar por qué el equipo de Huawei decidió centrarse en las predicciones meteorológicas, Tian Qi, jefe de Huawei Cloud IA y miembro de la Academia Internacional de Ciencias de Eurasia, afirma que se trata de uno de los escenarios más complejos e importantes en el campo de la informática científica por la diversidad de aspectos matemáticos y físicos.

“Los modelos de IA pueden extraer leyes estadísticas de la evolución atmosférica a partir de datos masivos. En la actualidad, Pangu-Weather completa el trabajo del sistema de previsión, y su principal capacidad es predecir la evolución de los estados atmosféricos”, explica Tian.

“El objetivo final es construir un marco de previsión meteorológica de nueva generación utilizando tecnologías de IA para reforzar los sistemas ya existentes”, agrega el experto.

Recalculando

El año pasado, varias empresas tecnológicas presentaron modelos de IA para mejorar las previsiones. “Pangu-Weather y otros modelos similares, como FourcastNet y GraphCast de Google-DeepMind, están haciendo que los meteorólogos reconsideremos la forma en que utilizamos el aprendizaje automático y las previsiones meteorológicas”, afirma Peter Dueben, jefe de Modelado del Sistema Terrestre del ECMWF.

Antes, el aprendizaje automático se consideraba más bien un proyecto “de juguete”, afirma Dueben. Ahora, parece probable que los meteorólogos puedan utilizarlo junto con los métodos convencionales para hacer sus previsiones.

Aunque la IA puede ayudar a predecir hacia dónde se dirigen los ciclones tropicales, no puede pronosticar su intensidad. “La IA tiende a subestimar los fenómenos meteorológicos extremos”, advierte Xie.

Sin embargo, otros modelos de IA podrían ayudar en este sentido. Un modelo generativo de IA basado en la física llamado NowcastNet puede predecir lluvias extremas con hasta 3 horas de antelación que los métodos convencionales. También puede hacerlo DeepMindDGMR, que puede pronosticar la probabilidad de lluvias en los próximos 90 minutos.

Ganar tiempo

Por lo pronto, y aunque habrá que esperar a que los nuevos modelos predictivos basados en la IA demuestren su efectividad, los expertos están entusiasmados con las perspectivas.

“La IA podría ayudar a la gente a ganar más tiempo cuando se trata de predicciones a corto plazo sobre fenómenos como las lluvias. Las lluvias extremas causan muertes y destrucción masivas, por lo que es importante poder predecirlas con un margen que permita a la población prepararse”, apunta Michael Jordan, informático de la Universidad de California.

Su equipo creó un modelo generativo profundo que se entrena con principios de la física atmosférica y con datos recogidos de distintos radares meteorológicos y otras tecnologías, como sensores y satélites, para generar escenarios probables.

Por lo pronto, la previsión meteorológica basada en la IA aún está en sus inicios, y queda por ver hasta qué punto estos sistemas serán realmente útiles en la práctica. El cambio climático también podría complicar el panorama. “El sistema climático global está cambiando de forma drástica. Si de repente desaparece una buena parte del hielo del Ártico, nadie sabe lo que hará un modelo como Pangu-Weather”, advierte Dueben.

(Con información de agencias y del MIT Technology Review)