GenCast, un modelo de inteligencia artificial que supera las predicciones meteorológicas actuales
SOCIEDAD
La herramienta de Google predice condiciones extremas como una dana con mayor precisión
04 dic 2024 . Actualizado a las 18:11 h.Investigadores de la empresa Google Deep Mind han desarrollado un modelo de aprendizaje automático capaz de elaborar previsiones meteorológicas probabilísticas fiables, basándose en el tiempo actual y futuro.
El modelo, denominado GenCast, realiza pronósticos mejores que las previsiones meteorológicas tradicionales de medio alcance y también es capaz de predecir mejor las condiciones meteorológicas extremas, la trayectoria de los ciclones tropicales y la producción de energía eólica. Ante fenómenos extremos, como la reciente dana, una herramienta como esta podría ser de mayor ayuda.
Los detalles del modelo se han dado a conocer este miércoles en un artículo publicado en la revista Nature. Disponer de previsiones meteorológicas precisas es esencial para que las personas, los gobiernos y las organizaciones tomen decisiones esenciales en su día a día, desde llevar un paraguas hasta evaluar la producción de energía eólica o planificar las actuaciones ante condiciones meteorológicas extremas para evitar desastres.
Las previsiones meteorológicas tradicionales se basan en métodos numéricos de predicción del tiempo, que estiman el tiempo actual y lo mapean en una previsión del tiempo futuro a lo largo del tiempo (lo que se conoce como previsiones deterministas) pero esto genera numerosos escenarios potenciales, que se combinan para producir una previsión meteorológica.
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 modelos de aprendizaje automático como GenCast funcionan de manera muy distinta a los modelos clásicos. El ENS (un sistema de pronóstico probabilístico) del Centro Europeo de Predicción a Medio Plazo (ECMWF) esencialmente simula las leyes de la física con superordenadores. En teoría, creemos conocer las leyes de los fluidos, pero a la práctica tenemos errores en los sensores y una capacidad de computación finita. Existen muchos parámetros de los modelos que no conocemos», explica a la agencia SINC Ferran Alet Puig, investigador sénior de Google DeepMind y coautor del estudio.
GenCast y los modelos de aprendizaje automático aprenden directamente de datos. «Reciben muchos ejemplos donde tienen que predecir el tiempo mañana, según el tiempo hoy. De esta manera, aprenden relaciones que tienen en cuenta estas limitaciones de la computación, los sensores y las parametrizaciones», añade el científico.
Los investigadores indican que GenCast proporciona «previsiones más precisas, tanto del tiempo cotidiano como de los fenómenos extremos, que el mejor sistema operativo, el ENS del ECMWF, -que es el sistema de previsión por conjuntos más operativo del que dependen a diario muchas decisiones nacionales y locales-, con hasta 15 días de antelación».
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 a 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.
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.