La AEMET no volverá a equivocarse. La inteligencia artificial lo va a cambiar todo

La Inteligencia Artificial (IA) es la fusión de algoritmos diseñados para desarrollar sistemas capaces de emular las habilidades humanas. Aunque solía parecer una tecnología distante y enigmática, en los últimos años ha pasado a formar parte de nuestra rutina diaria en diversos ámbitos y momentos del día. En este contexto, ha surgido GraphCast, una herramienta de Google DeepMind que está revolucionando las predicciones meteorológicas y que podría ser una gran aliada para la AEMET.

Así es GraphCast

GraphCast, un modelo de inteligencia artificial desarrollado por Google DeepMind y publicado  en la revista ‘Science’, ofrece pronósticos meteorológicos más precisos y rápidos. Este avance se ha perfilado como una herramienta crucial en la lucha contra los efectos del cambio climático, destacando su potencial para impulsar la exactitud en la predicción del clima.

El modelo ha demostrado su efectividad al predecir con nueve días de antelación la trayectoria del huracán Lee en el Atlántico Norte, el cual impactó en Nueva Escocia, Canadá. Esta predicción superó notablemente a los modelos convencionales, que solo lograron anticipar el evento con seis días de anticipación.

GraphCast se fundamenta en el aprendizaje automático y el análisis de datos históricos, a diferenciad e los métodos convencionales que dependen de ecuaciones físicas y simulaciones informáticas. Visualiza un mapa mundial dividido en más de un millón de puntos, donde cada uno representa un segmento de la atmósfera terrestre.Mediante este análisis, puede predecir variables climáticas como la temperatura, la humedad y la velocidad del viento en cada uno de estos puntos.

Utiliza redes neuronales «entrenadas» con cuatro décadas de datos de la ECMWF, que rastrean la evolución de los sistemas meteorológicos. Esta herramienta tiene la capacidad de generar pronósticos meteorológicos para los próximos diez días en un tiempo récord de un minuto, empleando únicamente un procesador de Google TPU v4.

La singularidad de este modelo radica en otro avance significativo: el método convencional, llamado predicción numérica del tiempo, requiere supercomputadoras para resolver ecuaciones complejas. Sin embargo, con GraphCast, una vez que el modelo está entrenado, su funcionamiento es aproximadamente «1.000 veces más eficiente en términos de consumo de energía».

Ahora bien, la efectividad de GraphCast, aunque supera el 90% en más de 1.300 zonas de prueba durante eventos climáticos importantes, superando al modelo del Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF), no garantiza una precisión total en eventos climáticos de menor envergadura, como por ejemplo la lluvia o el viento.

Matthew Chantry, coordinador de los sistemas de aprendizaje automático en el ECMWF, reconoce que los modelos de Inteligencia Artificial que pronostican el tiempo han avanzado a mayor velocidad de lo que ellos mismos creían: «En nuestra opinión, GraphCast es sistemáticamente más hábil que los otros modelos de aprendizaje automático, Pangu-Weather de Huawei y FourCastNet de Nvidia, y en muchas puntuaciones es más preciso que nuestro propio sistema de previsión», según recoge ‘Xataka’.

En definitiva, se trata de un sistema revolucionario con el que Google ha implementado un enfoque innovador en la predicción meteorológica. En vez de basarse en ecuaciones físicas, GraphCast emplea técnicas de aprendizaje profundo, utilizando datos meteorológicos históricos de décadas para comprender las intrincadas relaciones causa-efecto que influyen en el clima terrestre. Esta inteligencia artificial, creada por DeepMind, ha demostrado superar de forma notable a los sistemas convencionales.

Es un avance muy importante en lo que a la predicción meteorológica se refiere, ofreciendo no solo velocidad sino también una precisión que puede ser crucial en la toma de decisiones críticas. Aunque no tiene como objetivo sustituir los métodos tradicionales, este enfoque basado en aprendizaje profundo se plantea como una herramienta complementaria y ya se está probando en el Centro Europeo de Pronósticos Meteorológicos.