Cambio climático: cómo es el nuevo pronosticador del tiempo basado en Inteligencia Artificial

Frente al cada vez más cambiante clima y a la falta de previsiones meteorológicas certeras, la ciencia de datos y particularmente la Inteligencia Artificial buscan tener protagonismo y ser la fuente consultada en esta materia.

Eso ocurrió esta semana, cuando Google presentó GraphCast, un nuevo modelo de pronóstico del tiempo “más rápido y preciso” con hasta 10 días de antelación. Según sus responsables, de la empresa DeepMind, “supera significativamente” a los sistemas tradicionales y sirve, además, para ofrecer alertas más tempranas sobre fenómenos meteorológicos extremos.

“Creemos que esto marca un punto de inflexión en la previsión meteorológica”, describieron los autores en un estudio científico publicado en la revista Science. En la actualidad, el método de referencia para la predicción meteorológica es la “predicción numérica del tiempo” (PNT). Si bien la precisión de los modelos PNT se ha mejorado restrictivamente a lo largo de varios decenios, resultan costosos, complejos y exigentes desde el punto de vista computacional, por lo que requieren mayores recursos informáticos para mejorar la precisión de las previsiones. La predicción meteorológica basada en el aprendizaje automático (MLW ), que puede entrenarse a partir de datos históricos, ofrece una alternativa. Además, MLWP puede aprovechar el hardware moderno de aprendizaje profundo para aumentar la eficiencia.

“La predicción del tiempo es uno de los esfuerzos científicos más antiguos y desafiantes. Las predicciones a mediano plazo son importantes para respaldar la toma de decisiones clave en todos los sectores, desde la energía renovable hasta la logística de eventos, pero son difíciles de hacer con precisión y eficiencia”, agregaron sus creadores.

El nuevo sistema GraphCast trabaja esencialmente con datos históricos y los mezcla con información específica climática. Comienza recopilando datos del actual del clima de la Tierra. Luego, hace una predicción sobre cómo será el clima dentro de seis horas. A continuación, el nuevo sistema devuelve esas predicciones al modelo, realiza el mismo cálculo y arroja pronósticos a más largo plazo.

Según sus desarrolladores, GraphCast es un sistema de pronóstico del tiempo basado en aprendizaje automático y Graph Neural Networks (GNN), que es una arquitectura particularmente útil para procesar datos estructurados espacialmente.

El equipo de Google comparó los resultados se su invención con el modelo actual que se utiliza para la predicción meteorológica a medio plazo, llamado HRES. Según el estudio, GraphCast superó significativamente a HRES en el 90% de los objetivos utilizados en la prueba. También tuvo un éxito sorprendente en la predicción de fenómenos meteorológicos extremos, incluidos ciclones tropicales y cambios de temperatura extraños, a pesar de que no estaba específicamente entrenado para manejarlos.

Aunque este método tradicional ha sido un “triunfo de la ciencia y la ingeniería”, diseñar las ecuaciones y los algoritmos lleva mucho tiempo, exige gran experiencia y costosos ordenadores para conseguir pronósticos precisos, explica en su blog DeepMind, que defiende que el aprendizaje profundo ofrece un enfoque diferente. Se trata, agrega, de usar datos en lugar de ecuaciones físicas para crear un sistema de pronóstico del tiempo.

“Es un importante paso adelante en la inteligencia artificial (IA) para la predicción meteorológica, ofreciendo pronósticos más precisos y eficientes, y abriendo caminos para respaldar la toma de decisiones críticas”, señalan los autores, entre los que se encuentran los españoles Álvaro Sánchez González y Ferran Alet.

Matilde Rusticucci, doctora en Ciencias de la Atmósfera y Licenciada en Ciencias Meteorológicas de la Universidad de Buenos Aires (UBA), comentó a Infobae esta novedosa invención de Google. “Me parece súper interesante, este uso concreto de lo que ahora se llama inteligencia artificial. Es ciencia de datos, lo que nosotros venimos haciendo hace mil años con menos datos y con la misma tecnología. Es como lo que ahora se llama pronóstico estadístico, porque básicamente se basa en los datos anteriores, en las relaciones anteriores existentes y con eso se hacen las predicciones con la capacidad de una gran computadora y todo el conocimiento previo que se tiene de la física de la atmósfera y de los datos disponibles. Es una metodología que se venía utilizando paralela a la de las ecuaciones. Ahora, si este es más eficiente que el otro habría que probarlo, ellos dicen que sí, pero claro es la otra rama del pronóstico, lo que se llama pronóstico estadístico”, explicó Rusticucci, que es profesora en la UBA.

Y agregó: “Nosotros venimos haciendo ese pronóstico estadístico climático todos los meses. Nosotros y en todo el mundo se hacen los pronósticos, las proyecciones estadísticas a partir de los modelos que reproducen las ecuaciones de movimiento. Igualmente hay que seguir investigando”.

Rusticucci indicó que “los pronósticos se pueden mejorar a futuro claramente con más conocimiento de la atmósfera, cada vez aprendiendo un poco más cómo estaba cambiando día a día. “La inteligencia artificial o la ciencia de datos claramente ayuda. Nosotros la usamos con todos los pronósticos, por eso la computadora más grande que se instaló ahora en Argentina está en el Servicio Meteorológico Nacional porque es necesaria mucha computación, pero también mucho conocimiento y profesionales que lo puedan desarrollar. Con eso se van a ir mejorando los pronósticos”, precisó.

Consultada por el cambio climático y los eventos cada vez más extremos y cambiantes, la especialista de la atmósfera remarcó que “el cambio climático juega un rol importante en la previsión, porque el clima está cambiando permanentemente. Entonces poder pronosticar mejor, cada vez mejor, las olas de calor, los extremos climáticos, es lo que nos va a ayudar a poder estar mejor preparados. Los errores, obviamente, que aparecen, que no son tantos, lo que sí tiene que ver con este clima cambiante porque el cambio climático lo que imparte, lo que imprime justamente en la atmósfera es más energía disponible, por lo tanto más eventos extremos, más olas de calor, más sequías, más lluvias intensas en todos lados del mundo y eso es lo más difícil de pronosticar”.

“Por lo tanto con más conocimiento, más profesionales y con la gran computadora que ahora instalaron en el Servicio Meteorológico Nacional se va a poder avanzar más. También necesitamos más profesionales formados en ciencias de la atmósfera, en ciencias meteorológicas, está la carrera de la UBA que tiene más de 60 años, está la carrera de La Plata más novedosa y una carrera en San Luis también. Así que fomentar el estudio de las ciencias atmosféricas es fundamental”.

Cindy Fernández, comunicadora meteorológica del Servicio Meteorológico Nacional, precisó a Infobae que la IA ya se está usando en los pronósticos. “Y sobre la información generada, que vienen con algunos errores o imprecisiones, los meteorólogos les sumamos conocimiento y más herramientas para elaborar un pronóstico del tiempo, que es el que sale publicado varias veces por día. Ahora, crearon esta nueva herramienta inteligente, que es aparentemente un modelo meteorológico más avanzado y con menos errores. Las mejoras las hace la computadora en este caso”, puntualizó.

“La mayoría de los pronósticos elaborados por la IA hoy no se publican en forma cruda, sino que meteorólogos le suman otros datos para la elaboración final. Nosotros usamos el modelo europeo. Y luego de mejorarlo y adaptarlo, elaboramos el pronóstico que damos a la gente. Quizás el nuevo modelo GraphCast haga nuestro trabajo más fácil”, sostuvo Fernández.

Y agregó: “EEUU empezó a emitir el aviso a corto plazo meteorológico (ACP) mediante IA. Son pronósticos inmediatos que se elaboran cuando hay una tormenta ya formada, la vemos en el radar y son fenómenos de impacto peligrosos. Entonces se arma un mensaje de atención o alerta que luego de ser revisado por el meteorólogo de turno, se envía a la comunidad y a los medios”.

“Los meteorólogos tenemos que estar mucho más atentos a nuestro trabajo con el desafío del cambio climático, que genera fenómenos climáticos extremos y más intensos. Antes ocurrían una vez al mes y ahora las vivimos todas las semanas. Y es que cada vez hay más gente más expuesta al cambio climático y en este caso la IA puede ayudar a facilitar el trabajo de los meteorólogos frente al clima cada vez más cambiante”, concluyó la experta meteoróloga.

GraphCast se entrena con décadas de datos meteorológicos históricos para aprender un modelo de las relaciones causa-efecto que rigen la evolución del tiempo en la Tierra, desde el presente hasta el futuro. Esta IA cubre toda la superficie terrestre y predice cinco variables sobre esta, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar, y seis magnitudes atmosféricas en cada uno de los 37 niveles de altitud, entre ellas la humedad.

Hacer pronósticos a 10 días con GraphCast lleva menos de un minuto, en comparación con las horas de computación de enfoques tradicionales, que para probar el modelo lo confrontaron con HRES, el desarrollado por el Centro Europeo de Pronósticos Meteorológicos.

GraphCast proporcionó predicciones más precisas en más del 90 % de los 1380 objetivos verificados. El modelo también puede identificar eventos climáticos severos antes que otros enfoques y con más precisión, aseguran los autores dirigidos por Remi Lam. Además de ciclones o temperaturas extremas, logra caracterizar ríos atmosféricos, regiones estrechas de la atmósfera que transfieren la mayor parte del agua de vapor fuera de los trópicos. La intensidad de un río atmosférico puede indicar si traerá lluvias beneficiosas o un diluvio que provocará inundaciones.

“GraphCast es el sistema de pronóstico del tiempo global a 10 días más preciso y puede predecir fenómenos meteorológicos extremos en un futuro más lejano de lo que era posible anteriormente”, según sus responsables, que afirman que este seguirá evolucionando y mejorando.

Este es un avance clave en la predicción meteorológica precisa y eficiente, y ayuda a hacer realidad la promesa del aprendizaje automático para modelar sistemas dinámicos complejos, según los autores, que recalcan que este enfoque no debe considerarse un sustituto de los métodos tradicionales; de hecho, el Centro Europeo de Pronósticos Meteorológicos está ya experimento con esta IA.

“La previsión meteorológica mundial a medio plazo es fundamental para la toma de decisiones en muchos ámbitos sociales y económicos. La predicción meteorológica numérica tradicional utiliza mayores recursos informáticos para mejorar la precisión del pronóstico, pero no utiliza directamente datos meteorológicos históricos para mejorar el modelo subyacente. Aquí presentamos GraphCast, un avance clave en el pronóstico meteorológico preciso y eficiente, y ayuda a hacer realidad la promesa del aprendizaje automático para modelar sistemas dinámicos complejos”, concluyeron sus creadores.