La Inteligencia Artificial en la Predicción del Tiempo: El Caso de DeepMind
En septiembre, DeepMind, la unidad de inteligencia artificial (IA) de Google con sede en Londres, logró predecir con exactitud el lugar de aterrizaje del huracán Lee. Su software experimental, GraphCast, anticipó un aterrizaje mucho más al norte de lo que se esperaba. Finalmente, el huracán Lee golpeó exactamente donde GraphCast había predicho: Long Island, Nueva Escocia.
Este logro es un claro ejemplo de cómo los modelos de pronóstico del tiempo impulsados por IA están superando a los modelos convencionales. Otros modelos de IA como los construidos por Nvidia y Huawei también han demostrado un fuerte rendimiento. Los meteorólogos veteranos están observando estos avances y esperan grandes cambios en el campo debido a la IA.
Superando a los Modelos Convencionales
DeepMind ha publicado nuevas pruebas revisadas por pares que demuestran la eficacia de su modelo. Según estas pruebas, el modelo de DeepMind superó las previsiones del Centro Europeo para las Previsiones Meteorológicas a Medio Plazo (ECMWF) en el 90% de más de 1.300 variables atmosféricas. Además, mientras que los modelos convencionales requieren un superordenador para funcionar, el modelo de DeepMind puede hacerlo en un portátil y emitir un pronóstico en menos de un minuto.
Los modelos meteorológicos estándar hacen sus predicciones intentando replicar la física de la atmósfera. Estos modelos han mejorado con el tiempo gracias a mejores matemáticas y observaciones meteorológicas más detalladas. Sin embargo, estos modelos son engorrosos y pueden tardar horas en calcularse en servidores potentes.
El Uso de Redes Neuronales de Gráficos en la Predicción del Tiempo
Para mejorar la predicción del tiempo, DeepMind ha utilizado una forma particular de aprendizaje automático. Peter Battaglia, director de investigación en DeepMind, ha estado utilizando redes neuronales de gráficos (GNNs) para modelar el comportamiento de los fluidos. Las GNNs representan datos como «gráficos» matemáticos, redes de nodos interconectados que pueden influirse mutuamente. En el caso de las previsiones meteorológicas de DeepMind, cada nodo representa un conjunto de condiciones atmosféricas en un lugar particular. Aunque el entrenamiento de estos sistemas es intensivo, el sistema final es ligero y permite generar pronósticos rápidamente con un mínimo de potencia informática.
Este avance en la predicción del tiempo impulsada por IA podría tener implicaciones significativas para la preparación y respuesta a desastres naturales como los huracanes. Con modelos más precisos y rápidos, las autoridades podrían tener más tiempo para prepararse y responder, lo que podría salvar vidas y propiedades.
Sarah es además de experta en marketing digital, creadora de contenido con amplia experiencia en el campo. Graduada en Sociología por la Universidad de Barcelona y con un Postgrado en Marketing Digital en Inesdi, Sarah ha logrado destacarse como Directora de Marketing Digital.
Su profundo conocimiento de las tendencias digitales y su habilidad para identificar oportunidades de crecimiento han sido fundamentales para el éxito de numerosas campañas. Además, imparte clases y conferencias en prestigiosas escuelas de negocio, universidades y eventos, compartiendo sus conocimientos y experiencias con otros profesionales y estudiantes.
