Ciencia y Tecnología
GraphCast, la IA de Google capaz de hacer previsiones meteorológicas en menos de un minuto
Esta IA predice cinco variables, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar
![Esta IA predice cinco variables, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar / Foto: EFE](https://www.juiciocrudo.com/pics/nocrop/800x480/77773f9bc624a6ae49573061eb8268af0dda1cef.jpg)
![Esta IA predice cinco variables, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar / Foto: EFE](https://www.juiciocrudo.com/pics/nocrop/400x240/77773f9bc624a6ae49573061eb8268af0dda1cef.jpg)
Esta IA predice cinco variables, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar / Foto: EFE
La predicción meteorológica a medio plazo es clave para la toma de decisiones en muchos ámbitos sociales y económicos y la inteligencia artificial juega un papel cada vez más importante. Google presenta ahora un modelo capaz de hacer un pronóstico "más rápido y preciso" con hasta 10 días de antelación.
El modelo, basado en aprendizaje automático, se denomina GraphCast y, según sus responsables, de la empresa DeepMind, "supera significamente" a los sistemas tradicionales y sirve, además, para ofrecer alertas más tempranas sobre fenómenos meteorológicos extremos.
Predice decenas de variables meteorológicas a 10 días en todo el planeta en menos de un minuto, aseguran.
Los detalles se publican en la revista Science. GraphCast -con código abierto- "da un importante paso adelante en la inteligencia artificial (IA) para la predicción meteorológica, ofreciendo pronósticos más precisos y eficientes, y abriendo caminos para respaldar la toma de decisiones críticas", señalan los autores, entre los que se encuentran los españoles Álvaro Sánchez González y Ferran Alet.
En la actualidad, los pronósticos generalmente se basan en lo que se denomina predicción meteorológica numérica (NWP, en sus siglas en inglés), que comienza con ecuaciones físicas cuidadosamente definidas que luego se traducen en algoritmos ejecutados en supercomputadoras.
Aunque este método tradicional ha sido un "triunfo de la ciencia y la ingeniería", diseñar las ecuaciones y los algoritmos lleva mucho tiempo, exige gran experiencia y costosos ordenadores para conseguir pronósticos precisos, explica en su blog DeepMind, que defiende que el aprendizaje profundo ofrece un enfoque diferente.
Se trata, agrega, de usar datos en lugar de ecuaciones físicas para crear un sistema de pronóstico del tiempo.
GraphCast se entrena con décadas de datos meteorológicos históricos para aprender un modelo de las relaciones causa-efecto que rigen la evolución del tiempo en la Tierra, desde el presente hasta el futuro.
Esta IA cubre toda la superficie terrestre y predice cinco variables sobre esta, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar, y seis magnitudes atmosféricas en cada uno de los 37 niveles de altitud, entre ellas la humedad.
Hacer pronósticos a 10 días con GraphCast lleva menos de un minuto, en comparación con las horas de computación de enfoques tradicionales, según DeepMind, que para probar el modelo lo confrontaron con HRES, el desarrollado por el Centro Europeo de Pronósticos Meteorológicos.
Según la compañía, GraphCast proporcionó predicciones más precisas en más del 90 % de los 1.380 objetivos verificados.
El modelo también puede identificar eventos climáticos severos antes que otros enfoques y con más precisión, aseguran los autores dirigidos por Remi Lam. Además de ciclones o temperaturas extremas, logra caracterizar ríos atmosféricos, regiones estrechas de la atmósfera que transfieren la mayor parte del agua de vapor fuera de los trópicos.
La intensidad de un río atmosférico puede indicar si traerá lluvias beneficiosas o un diluvio que provocará inundaciones.
"GraphCast es el sistema de pronóstico del tiempo global a 10 días más preciso y puede predecir fenómenos meteorológicos extremos en un futuro más lejano de lo que era posible anteriormente", según sus responsables, que afirman que este seguirá evolucionando y mejorando.
Este es un avance clave en la predicción meteorológica precisa y eficiente, y ayuda a hacer realidad la promesa del aprendizaje automático para modelar sistemas dinámicos complejos, según los autores, que recalcan que este enfoque no debe considerarse un sustituto de los métodos tradicionales; de hecho, el Centro Europeo de Pronósticos Meteorológicos está ya experimento con esta IA.