El nuevo modelo de inteligencia artificial de Google significa que las perspectivas para el pronóstico del tiempo son brillantes

Un nuevo modelo de pronóstico del tiempo impulsado por inteligencia artificial puede hacer el trabajo con una precisión sin precedentes y significativamente más rápido que la tecnología actual.

Creado por Google DeepMind, el laboratorio centrado en inteligencia artificial del gigante web, GraphCast parece destinado a revolucionar el proceso de predicción del clima.

GraphCast puede pronosticar el tiempo con hasta 10 días de antelación “con mayor precisión y mucho más rápido que el sistema de simulación meteorológica estándar de la industria: el Pronóstico de alta resolución (HRES), producido por el Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF)”. dijo Google DeepMind en una publicación el martes.

En particular, el modelo también puede ofrecer advertencias más tempranas de fenómenos meteorológicos extremos y predecir el movimiento de los ciclones con mayor precisión, dando a las autoridades y a los residentes más tiempo para prepararse para tormentas dañinas, lo que podría salvar vidas en el proceso.

Cuando el huracán Lee azotó el este de Canadá en septiembre, GraphCast pronosticó con precisión que tocaría tierra en Nueva Escocia nueve días antes, mientras que los pronósticos tradicionales solo hacían la misma predicción con unos seis días de anticipación.

GraphCast ha sido entrenado con cuatro décadas de datos meteorológicos, lo que le permite aprender las relaciones de causa y efecto detrás de los sistemas climáticos de la Tierra, dijo el equipo de DeepMind.

Sorprendentemente, GraphCast tarda menos de 60 segundos en crear un pronóstico de 10 días, lo que lo hace mucho más rápido que el enfoque convencional utilizado por HRES, que, según el equipo, "puede llevar horas de cálculo en una supercomputadora con cientos de máquinas".

En una comparación de los dos sistemas, GraphCast proporcionó pronósticos más precisos en más del 90% de 1380 variables de prueba y pronosticó tiempos de entrega en comparación con HRES.

"Cuando limitamos la evaluación a la troposfera, la región de la atmósfera de 6 a 20 kilómetros de altura más cercana a la superficie de la Tierra donde el pronóstico preciso es más importante, nuestro modelo superó al HRES en el 99,7% de las variables de prueba para el clima futuro", dijo el dijo el equipo.

A medida que los patrones climáticos evolucionan en el clima siempre cambiante de la Tierra, GraphCast solo mejorará a medida que se alimente con datos de mayor calidad.

El equipo está abriendo el código modelo de GraphCast para brindar a los científicos y pronosticadores acceso a la tecnología. Esto les permitirá adaptarlo a fenómenos meteorológicos específicos y optimizarlo para diferentes partes del mundo. El ECMWF ya está probando el modelo.

Un estudio publicado por Science el martes ofrece una visión más detallada de GraphCast. En él, el equipo dice que el modelo "no debe considerarse como un reemplazo de los métodos tradicionales de pronóstico del tiempo, que han sido desarrollados durante décadas, probados rigurosamente en muchos contextos del mundo real y ofrecen muchas características que aún no hemos explorado", y agrega que GraphCast "tiene potencial para complementar y mejorar los mejores métodos actuales".

Aun así, cree que el despliegue de la IA para la previsión meteorológica "beneficiará a miles de millones de personas en su vida cotidiana", y explica que, además de la predicción meteorológica, también quiere utilizar la tecnología para obtener una mayor comprensión de los patrones más amplios de nuestro clima. "Al desarrollar nuevas herramientas y acelerar la investigación, esperamos que la IA pueda empoderar a la comunidad global para abordar nuestros mayores desafíos ambientales", dijo.