Inteligencia Artificial, Alternativa que Ofrece una Nueva Ventaja a los Meteorólogos

Una vista satelital del huracán Beryl acercándose a la costa de Texas el 8 de julio. NOAA, vía European Press Agency, vía Shutterstock

La predicción de Texas ilustra el nuevo panorama de la previsión meteorológica impulsada por inteligencia artificial, en el cual un número creciente de máquinas inteligentes anticipa los patrones climáticos futuros con una velocidad y precisión impresionantes. En este caso, el programa experimental GraphCast, creado en Londres por DeepMind, una empresa de Google, realizó cálculos en segundos que antes llevaban horas.

“Es un paso realmente emocionante”, afirmó Matthew Chantry, especialista en inteligencia artificial del Centro Europeo de Previsiones Meteorológicas a Plazo Medio, la agencia que quedó eclipsada por el pronóstico de Beryl. Según Chantry, GraphCast y otros modelos similares pueden superar a su agencia en la predicción de trayectorias de huracanes.

En general, la IA ultrarrápida destaca en la detección de peligros futuros, según Christopher S. Bretherton, profesor emérito de ciencias atmosféricas en la Universidad de Washington. Con respecto a calores, vientos y lluvias torrenciales, las advertencias serán “más actualizadas que ahora”, lo que podría salvar innumerables vidas.

Además, los pronósticos meteorológicos rápidos basados en IA también impulsan los descubrimientos científicos, según Amy McGovern, profesora de meteorología y ciencias de la computación en la Universidad de Oklahoma, quien dirige un instituto de meteorología con inteligencia artificial. McGovern indicó que los meteorólogos ahora utilizan IA para crear miles de variaciones sutiles en los pronósticos, permitiéndoles identificar factores inesperados que pueden desencadenar eventos extremos como tornados.

“Nos permite buscar procesos fundamentales”, afirmó la Dra. McGovern. “Es una herramienta valiosa para descubrir cosas nuevas”.

Una ventaja significativa de los modelos de IA es que pueden ejecutarse en computadoras de escritorio, lo que facilita su adopción en comparación con las supercomputadoras del tamaño de una habitación que actualmente dominan el ámbito de las predicciones globales.

“Es un punto de inflexión”, dijo María Molina, meteoróloga investigadora de la Universidad de Maryland, que estudia programas de IA para la predicción de eventos extremos. “No se necesita una supercomputadora para generar un pronóstico. Se puede hacer en una computadora portátil, lo que hace que la ciencia sea más accesible”.

La gente depende de pronósticos meteorológicos precisos para tomar decisiones sobre cómo vestirse, dónde viajar y si evacuar ante una tormenta violenta.

Aun así, obtener pronósticos meteorológicos fiables sigue siendo extremadamente difícil debido a la complejidad de los patrones climáticos. A diferencia de los astrónomos, que pueden predecir las trayectorias de los planetas debido a la dominancia del sol, los patrones climáticos de la Tierra surgen de una variedad de factores y son inherentemente caóticos. Esto provoca que los pronósticos sean menos confiables con el tiempo, aunque hoy en día se extienden hasta diez días, frente a los tres días de hace unas décadas.

Los avances lentos se deben a la mejora de las observaciones globales y a las capacidades de las supercomputadoras, que requieren habilidades y esfuerzos considerables para construir modelos precisos del planeta, llenando vacíos de datos con observaciones actuales.

El Dr. Bretherton, de la Universidad de Washington, destacó la importancia de combinar datos de múltiples fuentes para estimar el estado actual de la atmósfera. “Hay que combinar datos de muchas fuentes para hacer una estimación de cómo está la atmósfera en este momento”, dijo.

Las complicadas ecuaciones de la mecánica de fluidos convierten las observaciones combinadas en predicciones. A pesar de la potencia de las supercomputadoras, el análisis puede llevar más de una hora, y los pronósticos deben actualizarse continuamente a medida que cambia el clima.

El enfoque de la IA es radicalmente diferente. En lugar de basarse en lecturas actuales y cálculos extensos, la IA aprende de las relaciones causales que rigen el clima del planeta. La revolución en el aprendizaje automático, una rama de la IA que imita el aprendizaje humano, permite a la IA reconocer patrones con gran éxito, aplicando esta capacidad a la previsión meteorológica.

Recientemente, el equipo de DeepMind que desarrolló GraphCast ganó el prestigioso premio de ingeniería de Gran Bretaña otorgado por la Real Academia de Ingeniería. Sir Richard Friend, físico de la Universidad de Cambridge y presidente del panel de jueces, elogió al equipo por lo que llamó “un avance revolucionario”.

En una entrevista, Rémi Lam, el científico principal de GraphCast, explicó que su equipo entrenó el programa con cuatro décadas de observaciones meteorológicas globales del centro de pronóstico europeo. “Aprende directamente de los datos históricos”, dijo. En segundos, agregó, GraphCast puede generar un pronóstico de 10 días que llevaría a una supercomputadora más de una hora.

El Dr. Lam indicó que GraphCast funciona mejor en computadoras diseñadas específicamente para IA, pero también puede operar en computadoras de escritorio e incluso portátiles, aunque con menor velocidad.

En pruebas realizadas, el Dr. Lam reportó que GraphCast superó al mejor modelo del Centro Europeo de Previsiones Meteorológicas a Plazo Medio en más del 90% de los casos. “Saber hacia dónde se dirige un ciclón es crucial”, afirmó. “Es importante para salvar vidas”.

Una vista de una casa severamente dañada con escombros esparcidos por el patio después del huracán. Imágenes de Brandon Bell/Getty

En respuesta a una pregunta, el Dr. Lam comentó que su equipo, aunque compuesto por científicos informáticos y no expertos en ciclones, no había evaluado cómo las predicciones de GraphCast para el huracán Beryl se comparaban con otros pronósticos en términos de precisión.

Sin embargo, DeepMind realizó un estudio sobre el huracán Lee, una tormenta atlántica que en septiembre se consideró que podría amenazar a Nueva Inglaterra o a Canadá. El Dr. Lam señaló que el estudio descubrió que GraphCast había previsto el punto de llegada en Nueva Escocia tres días antes de que las supercomputadoras llegaran a la misma conclusión.

Impresionado por estos logros, el centro europeo adoptó recientemente GraphCast, así como programas de IA desarrollados por Nvidia, Huawei y la Universidad de Fudan en China. En su sitio web, ahora muestra mapas globales de sus pruebas de IA, incluyendo los pronósticos de trayectoria para el huracán Beryl del 4 de julio.

La trayectoria prevista por GraphCast de DeepMind, denominada DMGC en el mapa del 4 de julio, mostró a Beryl tocando tierra cerca de Corpus Christi, Texas, no lejos de donde realmente impactó el huracán.

El Dr. Chantry, del centro europeo, comentó que la institución considera que esta tecnología experimental se convertirá en una parte habitual de la previsión meteorológica global, incluso para los ciclones. Un nuevo equipo está trabajando para crear un sistema de IA operativo para la agencia.

El Dr. Chantry predice que la adopción podría ocurrir pronto, pero señaló que la tecnología de IA podría coexistir con el sistema de pronóstico tradicional del centro.