x
Investigadores de Google DeepMind han desarrollado un innovador modelo de inteligencia artificial llamado ‘GenCast’, que supera las previsiones meteorológicas tradicionales en precisión, al ofrecer pronósticos probabilísticos más confiables.
Este modelo es capaz de predecir con mayor exactitud fenómenos climáticos extremos, la trayectoria de ciclones tropicales y la producción de energía eólica.
‘GenCast’ mejora las proyecciones de tiempo medio, proporcionando estimaciones más detalladas y confiables que los métodos tradicionales de predicción.
El modelo se basa en el análisis de datos en tiempo real para generar pronósticos a corto y medio plazo.
Los investigadores publicaron los resultados en la revista Nature, destacando el potencial de esta herramienta para mejorar las decisiones sobre la gestión de desastres naturales y la planificación energética.
Ahora, un equipo de científicos de Google ha desarrollado un método de predicción meteorológica de aprendizaje automático denominado GenCast que es capaz de generar una previsión probabilística, que predice la probabilidad del tiempo futuro basándose en los estados meteorológicos actuales y anteriores.
Los autores entrenaron GenCast a partir de 40 años (de 1979 a 2018) de datos de análisis de las mejores estimaciones de incidencias meteorológicas. Gracias a ese entrenamiento, el modelo es capaz de generar previsiones globales a 15 días, en pasos de 12 horas, para más de 80 variables atmosféricas y de superficie, en 8 minutos.
Al compararlo con el conjunto de previsiones del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ENS) -actualmente la previsión a medio plazo de mayor rendimiento a escala mundial-, descubrieron que GenCast superaba al ENS en el 97,2% de los 1.320 objetivos utilizados.
GenCast también es más eficaz en la predicción de condiciones meteorológicas extremas, trayectorias de ciclones tropicales y producción de energía eólica.
Los autores sostienen que GenCast puede generar previsiones meteorológicas más eficientes y eficaces para apoyar una planificación efectiva.
En declaraciones al SMC España, el meteorólogo Superior del Estado y miembro de la Asociación Meteorológica Española, Ernesto Rodríguez-Camino, explica que en los últimos años grandes tecnológicas, como Google, están avanzando en la calidad de las predicciones meteorológicas con modelos basados exclusivamente en aprendizaje automático que han llegado a superar al modelo IFS del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), que es la referencia de calidad en predicción a medio plazo.
Hasta ahora los sistemas de predicción basados en aprendizaje automático se habían centrado en predicciones deterministas, pero «en este artículo se informa de un paso más al desarrollar también predicciones probabilísticas basadas en un conjunto (ensemble) de predicciones a partir de datos iniciales ligeramente diferentes, que también es capaz de mejorar el sistema de predicción por conjuntos del ECMWF, a la vez que muestra una gran pericia en eventos meteorológicos extremos».
Sin embargo, apunta el meteorólogo, los sistemas como el GenCast utilizan el reanálisis obtenido por métodos tradicionales basados en leyes físicas, por lo que todavía dependen del modelo IFS tanto para establecer las condiciones iniciales como para entrenar a los algoritmos.
No obstante, desde el punto de vista computacional, «GenCast es muy eficiente, por lo que se podría prever para el futuro no muy lejano un tipo de sistemas de asimilación y predicción híbridos», avanza el meteorólogo.
En su opinión, «estos sistemas se beneficiarían de las ventajas de ambos enfoques con modelos basados en ecuaciones físicas para verificar, entrenar y mejorar el sistema y modelos basados en datos para optimizar el cálculo de las predicciones e incrementar los recursos de la predicción por conjuntos».