Este fue otro año de clima de montaña rusa. Domos de calor arrasó el suroeste de Estados Unidos. California experimentó un “segundo verano” en octubre, con varias ciudades batiendo récords de calor. El huracán Helene (y apenas unas semanas después, el huracán Milton) azotó la costa del Golfo, provocando lluvias torrenciales y graves inundaciones. Lo que sorprendió incluso a los meteorólogos experimentados fue la rapidez con la que se intensificaron los huracanes, con uno ahogándose como él dijo, “esto es simplemente horrible”.
Cuando nos preparamos para condiciones climáticas extremas, cada segundo cuenta. Pero las medidas de planificación se basan en predicciones precisas. Aquí es donde entra la IA.
Esta semana, Google DeepMind dio a conocer una IA que predice el tiempo con 15 días de antelación en minutos, en lugar de las horas que normalmente se necesitan con los modelos tradicionales. En un cara a cara con el Centro Europeo de Previsiones Meteorológicas a Plazo Medio modelo (ENS), el mejor pronosticador meteorológico de “rango medio” precise, la IA ganó más del 90 por ciento de las veces.
Apodado GenCast, el algoritmo es de DeepMind última incursión en la predicción del tiempo. El año pasado, ellos desató una versión con una predicción sorprendentemente precisa para un pronóstico de 10 días. GenCast se diferencia en su arquitectura de aprendizaje automático. Fiel a su nombre, es generativo. modelo de IAmás o menos comparable a los que impulsan ChatGPT, Gemini o generan imágenes y movies con un mensaje de texto.
La configuración le da a GenCast una ventaja sobre los modelos anteriores, que generalmente brindan una predicción de ruta climática única. GenCast, por el contrario, genera 50 o más predicciones, cada una de las cuales representa una trayectoria climática potencial, al tiempo que asigna su probabilidad.
En otras palabras, la IA “imagina” un multiverso de posibilidades climáticas futuras y elige la que tiene mayores posibilidades de ocurrir.
GenCast no sólo destacó en la predicción meteorológica del día a día. También superó al ENS en la predicción de condiciones climáticas extremas: calor, frío y vientos fuertes. Cuestionado con datos de Tifón Hagibis—el ciclón tropical más mortífero que ha azotado Japón en décadas—GenCast visualizó posibles rutas siete días antes de tocar tierra.
“A medida que el cambio climático genera más fenómenos meteorológicos extremos, los pronósticos precisos y confiables son más esenciales que nunca”. escribió Los autores del estudio, Ilan Value y Matthew Wilson, en una publicación del weblog de DeepMind.
Aceptando la incertidumbre
Predecir el tiempo es notoriamente difícil. Esto se debe en gran medida a que el clima es un sistema caótico. Es posible que haya oído hablar del “efecto mariposa”: una mariposa bate sus alas, provocando un pequeño cambio en la atmósfera y provocando tsunamis y otros desastres climáticos en un mundo aparte. Aunque es solo una metáfora, destaca que cualquier pequeño cambio en las condiciones climáticas iniciales puede extenderse rápidamente a grandes regiones, cambiando los resultados climáticos.
Durante décadas, los científicos han intentado emular estos procesos mediante simulaciones físicas de la atmósfera terrestre. Al recopilar datos de estaciones meteorológicas de todo el mundo y satélites, han escrito ecuaciones que mapean las estimaciones actuales del clima y pronostican cómo cambiarán con el tiempo.
¿El problema? La avalancha de datos lleva horas, si no días, hacer crujir las supercomputadorasy devour una enorme cantidad de energía.
La IA puede ayudar. En lugar de imitar la física de los cambios atmosféricos o los remolinos de nuestros océanos, estos sistemas absorben décadas de datos para encontrar patrones climáticos. GraphCast, lanzado en 2013, capturó más de un millón de puntos en la superficie de nuestro planeta para predecir el clima de 10 días en menos de un minuto. Otros en la carrera por mejorar el pronóstico del tiempo son Huawei‘s Pangu-Tiempo y NowcastNetambos con sede en China. Este último mide la probabilidad de lluvia con gran precisión, uno de los aspectos más difíciles de la predicción meteorológica.
Pero el clima es delicado. GraphCast y otros modelos de IA de predicción meteorológica similares, por el contrario, son deterministas. Sólo pronostican una única trayectoria meteorológica. La comunidad meteorológica está adoptando cada vez más un “modelo conjunto”, que predice una variedad de escenarios posibles.
“Estos pronósticos conjuntos son más útiles que depender de un solo pronóstico, ya que brindan a quienes toman decisiones una imagen más completa de las posibles condiciones climáticas en los próximos días y semanas y de la probabilidad de cada escenario”, escribió el equipo.
Nublado con probabilidad de lluvia
GenCast aborda de frente la incertidumbre del clima. La IA se basa principalmente en un modelo de difusión, un tipo de IA generativa. En common, incorpora 12 métricas sobre la superficie y la atmósfera de la Tierra, como temperatura, velocidad del viento, humedad y presión atmosférica, utilizadas tradicionalmente para medir el clima.
El equipo entrenó a la IA con 40 años de datos meteorológicos históricos de un base de datos disponible públicamente hasta 2018. En lugar de pedir una predicción, hicieron que GenCast arrojara una serie de pronósticos, cada uno de los cuales comenzaba con una condición climática ligeramente diferente: una “mariposa” diferente, por así decirlo. Luego, los resultados se combinaron en un pronóstico conjunto, que también predijo la probabilidad de que cada patrón climático realmente ocurriera.
Cuando se probó con datos meteorológicos de 2019, que GenCast nunca había visto, la IA superó al líder precise, ENS, especialmente para pronósticos a largo plazo de hasta 15 días. En comparación con los datos registrados, la IA superó a ENS el 97 por ciento de las veces en 1.300 medidas de predicción meteorológica.
Las predicciones de GenCast también son increíblemente rápidas. En comparación con las horas que normalmente se necesitan en las supercomputadoras para generar resultados, la IA produjo predicciones en aproximadamente ocho minutos. Si se adopta, el sistema podría agregar tiempo valioso para los avisos de emergencia.
Todos para uno
Aunque GenCast no fue capacitado explícitamente para pronosticar patrones climáticos severos, pudo predecir la trayectoria del tifón Hagibis antes de tocar tierra en el centro de Japón. uno de los tormentas más mortíferas En décadas, el tifón inundó vecindarios hasta los tejados cuando el agua rompió los diques y cortó gran parte de la energía eléctrica de la región.
La predicción conjunta de GenCast fue como una película. Comenzó con una gama relativamente amplia de posibles trayectorias para el tifón Hagibis siete días antes de tocar tierra. Sin embargo, a medida que la tormenta se acercaba, la IA se volvió más precisa y redujo su camino predictivo. Aunque no es perfecto, GenCast pintó una trayectoria common del devastador ciclón que coincidía estrechamente con los datos registrados.
Con una semana de plazo de entrega, “GenCast puede proporcionar un valor sustancial en las decisiones sobre
cuándo y cómo prepararse para los ciclones tropicales”, escribieron los autores.
Las predicciones precisas y más largas no sólo ayudan a prepararse para futuros desafíos climáticos. También podrían ayudar a optimizar la planificación de las energías renovables. Tomemos como ejemplo la energía eólica. Predecir dónde, cuándo y con qué fuerza es possible que sople el viento podría aumentar la confiabilidad de la fuente de energía, reduciendo costos y potencialmente aumentando la adopción de la tecnología. En un análisis de prueba de concepto, GenCast fue más preciso que ENS al predecir la energía eólica whole generada por más de 5.000 plantas de energía eólica en todo el mundo, abriendo la posibilidad de construir parques eólicos basados en datos.
GenCast no es el único meteorólogo con IA. FourCastNet de Nvidia También utiliza IA generativa para predecir el clima con un coste energético menor que los métodos tradicionales. Google Analysis también ha diseñado innumerables algoritmos de predicción del tiempo, incluidos NeuralGCM y SEMILLAS. Algunos se están integrando en la búsqueda y los mapas de Google, incluidos pronósticos de lluvia, incendios forestales, inundaciones y alertas de calor. microsoft se unió a la carrera con ClimaX, una IA versatile que se puede adaptar para generar predicciones con horas o meses de anticipación (con diferentes precisiones).
Todo esto no quiere decir que la IA vaya a quitarle puestos de trabajo a los meteorólogos. El equipo de DeepMind enfatiza que GenCast no sería posible sin el trabajo elementary de los científicos del clima y los modelos basados en la física. Para retribuir, están lanzando aspectos de GenCast a la comunidad meteorológica en common para obtener más información y comentarios.
Crédito de la imagen: NASA
