El potencial de la inteligencia artificial (IA) quedó demostrado durante la reciente temporada de huracanes.
En julio, cuando el huracán Beryl atravesaba la cuenca del Atlántico, una herramienta de predicción desarrollada por Google DeepMind detectó un detalle que pasó desapercibido para otros modelos.
El programa, llamado GraphCast, predijo con casi una semana de antelación que la tormenta giraría bruscamente hacia el sur de Texas, alejándose del sur de México. Esta predicción, más precisa que las proyecciones convencionales, resultó acertada.
Este logro resalta las capacidades de los modelos basados en IA en una temporada marcada por fenómenos como Helen y Milton. Con el cierre de la temporada, agencias meteorológicas y empresas tecnológicas evalúan cómo estas herramientas se comparan con los métodos tradicionales.
Los primeros resultados indican que la IA puede ofrecer pronósticos de trayectoria con sorprendente precisión, aunque aún enfrenta retos relacionados con otros indicadores meteorológicos.
Los avances en los modelos basados en física han sido notables. En 1970, los pronósticos de trayectoria a tres días tenían un margen de error promedio de 520 millas; hoy esa cifra se ha reducido a una décima parte.
Las proyecciones a cuatro y cinco días, introducidas después del año 2000, también han mostrado mejoras significativas. Sin embargo, este progreso enfrenta el reto del cambio climático, que se acelera rápidamente.
A pesar de su capacidad para predecir trayectorias, los modelos aún muestran limitaciones en aspectos como la intensidad de las tormentas.
GraphCast puede generar predicciones meteorológicas a 10 días en menos de un minuto utilizando una máquina compacta. En comparación, los modelos físicos tradicionales requieren cerca de una hora en supercomputadoras para lograr lo mismo. Además, GraphCast ha demostrado una precisión superior al 90% frente al modelo estándar de ECMWF, considerado una referencia en la industria.
El éxito de este enfoque ha llevado a ECMWF a integrar técnicas similares en su propio modelo de IA, el cual ya supera a su versión convencional. Por otro lado, la herramienta FourCastNet de Nvidia, que forma parte de su plataforma Earth-2, se ha diseñado como un gemelo digital del clima terrestre.
El objetivo es permitir que los meteorólogos emitan pronósticos más precisos para proteger vidas y bienes. Paralelamente, en Bakú, Azerbaiyán, se están explorando formas de utilizar la IA para abordar el cambio climático.
Además, iniciativas como ‘Extreme Weather Bench’ buscan establecer estándares confiables que garanticen la transparencia y utilidad de estos modelos innovadores.
