El modelo desarrollado por Microsoft mejora las predicciones de las grandes agencias en la definición de la trayectoria de los ciclones tropicales o en el comportamiento de las olas oceánicas
24 may 2025 . Actualizado a las 10:16 h.Un nuevo modelo de inteligencia artificial ha demostrado superar a los sistemas tradicionales de predicción meteorológica, según ha publicado esta semana la revista Nature. La herramienta, desarrollado por Microsoft y bautizada como Aurora, promete una mayor precisión y eficiencia en la previsión de fenómenos como la calidad del aire, la trayectoria de ciclones tropicales, el comportamiento de las olas oceánicas y el pronóstico meteorológico de alta resolución.
Las predicciones del sistema terrestre son fundamentales para anticipar eventos extremos. Abarcan procesos como el clima, las corrientes oceánicas, el hielo marino o los huracanes, y se basan en modelos complejos construidos durante décadas. Estos sistemas tradicionales requieren gran capacidad computacional y equipos especializados para su mantenimiento. Sin embargo, los avances recientes en inteligencia artificial apuntan a un cambio de paradigma.
El modelo Aurora ha sido desarrollado por el equipo liderado por Paris Perdikaris, profesor de Ingeniería Mecánica y Mecánica Aplicada en la Universidad de Pensilvania y director de investigación en Microsoft Research AI for Science. Perdikaris es experto en el desarrollo de modelos para la modelización del clima y el tiempo meteorológico.
Aurora ha sido entrenada con más de un millón de horas de datos geofísicos. Según los autores, su rendimiento supera al de los principales centros de predicción en áreas clave como la calidad del aire, las olas oceánicas y los ciclones. En concreto, logró mejores resultados que siete centros de predicción en el 100 % de los casos medidos para trayectorias de ciclones a cinco días, y en el 92 % de los casos para predicciones meteorológicas a diez días. «Hemos desarrollado un modelo fundacional a gran escala para el sistema terrestre que supera a varios sistemas operativos especializados de predicción, y lo hace con una fracción del coste computacional», explican los autores del estudio.
Una de las ventajas de Aurora es su eficiencia: el entrenamiento del modelo se completó en unas ocho semanas, mientras que el desarrollo de modelos convencionales puede llevar años.
El modelo puede ajustarse para realizar la predicción del clima a nivel local o regional, estudiar el crecimiento de la vegetación o predecir fenómenos extremos como inundaciones e incendios.