La IA revoluciona la predicción meteorológica: un paso hacia el futuro sin supercomputadoras

La predicción meteorológica ha sido un desafío complejo y costoso desde la década de 1950. Durante años, las predicciones han dependido de modelos numéricos físicos que extrapolan datos de observaciones satelitales, globos y estaciones meteorológicas.

Estos modelos, conocidos como predicción numérica del clima (NWP, por sus siglas en inglés), requieren de supercomputadoras extremadamente potentes y, a menudo, costosas, para generar pronósticos precisos. Sin embargo, como menciona New Scientist, un avance revolucionario en el campo de la inteligencia artificial (IA) promete cambiar este paradigma, reemplazando estos modelos tradicionales por un sistema mucho más rápido y eficiente.

Desde sus inicios, los modelos de predicción meteorológica se basaron en cálculos complejos que requieren una gran cantidad de poder computacional. Estos modelos, aunque altamente precisos, demandan enormes recursos de computación y energía, lo que los convierte en un proceso costoso y lento.

Las supercomputadoras han sido esenciales para realizar los cálculos necesarios para predecir el clima con precisión, pero estos equipos son caros de mantener y operar. A medida que la necesidad de pronósticos más rápidos y accesibles creció, los investigadores comenzaron a buscar alternativas que pudieran ofrecer resultados similares con un menor consumo de recursos.

En los últimos años, la IA ha comenzado a jugar un papel importante en la meteorología. En 2024, un equipo de científicos de Google desarrolló una herramienta de IA capaz de reemplazar partes del código en los modelos meteorológicos tradicionales. Este enfoque resultó en una reducción significativa del poder computacional necesario para realizar predicciones.

Posteriormente, DeepMind, la empresa matriz de Google, llevó esta idea más allá al reemplazar todo el proceso de pronóstico con IA. Esta evolución en la predicción meteorológica fue adoptada por el Centro Europeo para Pronósticos Meteorológicos a Medio Plazo (ECMWF), que lanzó un sistema completo de pronóstico basado en IA a principios de 2024, marcando un paso crucial en la transformación de la meteorología.

Aunque el uso de IA en la predicción climática ha sido prometedor, un equipo de investigadores de la Universidad de Cambridge, liderado por Richard Turner, ha llevado esta tecnología un paso más allá con el modelo Aardvark Weather. Aardvark no solo reemplaza el proceso de pronóstico, sino también una etapa crítica conocida como “inicialización”, en la que se agrupan y organizan los datos de diversas fuentes (satélites, estaciones meteorológicas, globos) en una cuadrícula que sirve como base para el pronóstico.

Lo más impresionante de Aardvark es su eficiencia. Este sistema utiliza solo un 10% de los datos que los modelos tradicionales, pero aún así logra ofrecer resultados comparables en términos de precisión. El tiempo necesario para generar un pronóstico con Aardvark es de solo un segundo en una computadora de escritorio, una fracción del tiempo que tomaría en una supercomputadora tradicional, que puede tardar horas o incluso días.

Sin embargo, Aardvark no está exento de limitaciones. Aunque es increíblemente rápido y eficiente, su cuadrícula de datos es más gruesa que la de los modelos tradicionales, lo que significa que no puede capturar patrones climáticos complejos o eventos extremos con la misma precisión.

Por ejemplo, la cuadrícula de Aardvark tiene celdas de 1.5 grados de tamaño, mientras que el modelo ERA5 del ECMWF utiliza celdas tan pequeñas como 0.3 grados. Esto impide que Aardvark detecte fenómenos como huracanes o tormentas severas, que requieren una resolución mucho mayor para ser modelados con precisión.

David Schultz, profesor de la Universidad de Manchester, advierte que este tipo de limitaciones puede afectar la precisión de los pronósticos, especialmente cuando se trata de eventos meteorológicos inesperados. “Hay muchas cosas no resueltas que podrían arruinar tu pronóstico”, señala Schultz. Aunque Aardvark puede ser eficaz en la predicción de eventos inusuales como ciclones, los expertos aún dependen de los modelos físicos tradicionales para entrenar a las IA.

A pesar de las limitaciones actuales, el futuro de la predicción meteorológica con IA parece prometedor. Los investigadores creen que la IA podría algún día superar por completo a los modelos físicos tradicionales. Nikita Gourianov, de la Universidad de Oxford, sostiene que, con el tiempo, los sistemas de IA podrían crear pronósticos meteorológicos más precisos que los basados en física, utilizando únicamente datos observacionales e históricos sin necesidad de depender de modelos numéricos físicos.

Para lograr esto, los científicos se enfocan en mejorar la precisión de los modelos físicos existentes, que luego podrían ser utilizados para entrenar a las IA, permitiéndoles replicar los resultados de manera más rápida y eficiente. Aunque este enfoque aún está en sus primeras etapas, muchos están optimistas sobre el potencial de la IA para transformar la meteorología, reduciendo la necesidad de supercomputadoras y haciendo las predicciones más accesibles y económicas.

El avance en el uso de IA para la predicción climática es un hito en la ciencia meteorológica. Al reemplazar los procesos complejos y costosos de los modelos tradicionales con tecnologías más rápidas y eficientes, como Aardvark Weather, se abre un nuevo capítulo en el pronóstico del clima.

Aunque aún existen desafíos, como la resolución de los datos y la captura de eventos extremos, el progreso realizado hasta ahora demuestra el enorme potencial de la IA para revolucionar esta área de la ciencia, haciendo que los pronósticos meteorológicos sean más rápidos, más accesibles y menos dependientes de recursos masivos.

Sin lugar a dudas, la inteligencia artificial marcará el futuro de la predicción climática, transformando la forma en que entendemos y respondemos a los fenómenos meteorológicos.