Ariel Vercelli
Este año, la Tierra ha sido azotada por un número récord de fenómenos meteorológicos extremos e impredecibles, que se han visto agravados por el cambio climático. Predecirlos con mayor precisión y rapidez nos preparararía mejor para los desastres naturales y ayudar a salvar vidas. Un nuevo modelo de IA de Google DeepMind podría facilitarlo.
En una investigación publicada el 14 de noviembre en Science, el modelo GraphCast de Google DeepMind fue capaz de predecir las condiciones meteorológicas con 10 días de antelación, mayor precisión y rapidez que el patrón actual. GraphCast superó al modelo del Centro Europeo de Predicción Meteorológica a Medio Plazo (Ecmwf, por sus siglas en inglés) en más del 90% de unas 1.300 zonas de prueba. En las predicciones sobre la troposfera terrestre, la parte más baja de la atmósfera y donde se produce la mayoría de los fenómenos atmosféricos, GraphCast superó al modelo del Ecmwf en más del 99% de las variables meteorológicas, como la lluvia y la temperatura. Y lo más importante: GraphCast también puede ofrecer avisos precisos antes que los modelos estándar. En septiembre, GraphCast predijo nueve días antes que el huracán Lee tocaría tierra en Nueva Escocia (EE.UU.). Los modelos tradicionales señalaban la llegada del huracán con sólo seis días de antelación. Los meteorólogos suelen utilizar simulaciones informáticas masivas para realizar pronósticos. Su ejecución consume mucha energía y tiempo porque las simulaciones tienen en cuenta ecuaciones basadas en la física y distintas variables como la temperatura, la precipitación, la presión, el viento, la humedad y la nubosidad, una por una. En cambio, GraphCast utiliza el aprendizaje automático para hacer estos cálculos en menos de un minuto. En lugar de utilizar ecuaciones basadas en la física, basa sus predicciones en cuatro décadas de datos meteorológicos. GraphCast utiliza redes neuronales gráficas que representan la superficie de la Tierra en más de 1 millón de puntos. En cada punto de esta cuadrícula, el modelo predice la temperatura, la velocidad y dirección del viento, la presión media a nivel del mar, y otras condiciones como la humedad. La red neuronal puede encontrar patrones y extraer conclusiones sobre lo que ocurrirá en cada uno de estos puntos. GraphCast es un punto de inflexión porque hace predicciones en base a datos históricos. Nada muy original después de todo: eso hacían los meteorólogos hace un siglo, cuando anotaban todos los registros y hacían estadísticas bastante acertadas antes de que aparecieran los satélites.
