El gigante tecnológico Google, a través de su filial DeepMind, ha demostrado recientemente la superioridad de su algoritmo de predicción meteorológica GraphCast en comparación con los modelos clásicos basados en ecuaciones físicas. Esta nueva herramienta de inteligencia artificial (IA) ofrece un rendimiento sin precedentes en lo que respecta a las predicciones meteorológicas, incluso para fenómenos excepcionales como tormentas o huracanes. Según Rémi Lam, investigador científico en Google DeepMind y su equipo, el algoritmo se basa en un enfoque centrado en los datos para complementar los métodos actuales de predicción meteorológica. Hasta ahora, el enfoque de los meteorólogos era esencialmente determinista, es decir, que se basaban en observaciones y modelos matemáticos para deducir lo que ocurriría lógicamente.
¿Cómo funciona GraphCast?
El modelo de IA desarrollado por Google DeepMind elude esta noción de lógica y prefiere ingerir datos de cuatro décadas de información proporcionada por satélites, radares y otros medios de medida. Esto permite a la IA identificar patrones o esquemas recurrentes. Para realizar una predicción, GraphCast recibe medidas reales tomadas en diferentes puntos del globo cada seis horas. Esta predicción se itera considerando la predicción como una nueva entrada, para llegar a un resultado aún muy satisfactorio hasta aproximadamente diez días después. GraphCast genera así predicciones más precisas que las de los métodos tradicionales en más del 90 % de los casos. Este rendimiento ilustra perfectamente el cambio de paradigma y el potencial riesgo que acompaña al desarrollo de la IA: con las capacidades actuales de procesamiento de datos, podríamos prescindir de explicaciones científicas para anticipar fenómenos tan complejos como la meteorología. Sin embargo, en un campo como la previsión meteorológica, es esencial comprender las razones subyacentes a las predicciones para ganar y mantener la confianza del público. Como explica , profesor de meteorología en la Universidad de East Anglia: «Si ordenas la evacuación de 50 kilómetros de costa en Florida y no sucede nada, has desperdiciado décadas de confianza».
DeepMind y su experiencia en inteligencia artificial
Fundada en 2010, DeepMind se ganó su reputación por desarrollar programas capaces de jugar al juego de Go o a juegos de consola Atari 2600. La start-up, comprada por Google en 2014, luego aplicó sus métodos de aprendizaje antes de centrarse en los fenómenos climáticos. El método sigue siendo el mismo: ingerir datos, identificar patrones recurrentes y realizar predicciones. A pesar de su potencia, este modelo de IA nunca reemplazará completamente las predicciones deterministas y a los presentadores del tiempo como Évelyne Dhéliat o Laurent Romejko, que explican frente a una pantalla verde por qué seguirá lloviendo este fin de semana. De hecho, las predicciones basadas en datos son como esos dolores de rodilla que anuncian una tormenta: son confiables pero no científicamente satisfactorias. El futuro de la predicción meteorológica podría contemplarse, por lo tanto, como una asociación entre la inteligencia artificial y los métodos tradicionales, con el fin de proporcionar predicciones cada vez más precisas mientras se mantiene la confianza del público.
Hacia un futuro prometedor para la predicción meteorológica
Al combinar las capacidades inéditas de GraphCast con los métodos tradicionales de predicción, ahora es posible considerar escenarios meteorológicos mucho más precisos y confiables. Este progreso significativo permitirá no solo mejorar la vida cotidiana de cada uno, sino también anticipar y gestionar mejor los riesgos relacionados con fenómenos climáticos extremos. En un contexto donde el cambio climático hace que las predicciones meteorológicas sean cada vez más complejas, la inteligencia artificial podría convertirse en un aliado clave para comprender y anticipar los eventos climáticos futuros.
