Foto: Sergio F Cara (NotiPress/Composición)
A partir de una combinación de una tecnología convencional que predice el clima con el aprendizaje automático, existe un modelo informático capaz de predecir escenarios meteorológicos y tendencias climáticas a largo plazo. El modelo de IA de Google es incluso mejor que las herramientas convencionales basadas en inteligencia artificial para ayudar a prepararnos para condiciones climáticas extremas.
Esta herramienta es el primer modelo de aprendizaje automático capaz de generar pronósticos meteorológicos precisos mediante una variedad de escenarios. Su desarrollo puede acelerar los pronósticos consumiendo mucha menos energía que las herramientas existentes.
Los sistemas de predicción actuales suelen basarse en modelos de circulación general (GCM), los cuales utilizan leyes de la física para simular procesos en los océanos y la atmósfera de la Tierra. No obstante, requieren mucha potencia informática. Frente a esto, Stephan Hoyer, que estudia aprendizaje profundo en Google Research en Mountain View, desarrolló junto a su equipo NeuralGCM, un modelo que combina, afirma Hoyer, "aspectos de un solucionador atmosférico basado en la física tradicional con algunos componentes de IA".
Al comparar los resultados del modelo con los resultados de otros métodos, NeuralGCM podía producir pronósticos meteorológicos precisos y deterministas a corto plazo, con una antelación de entre uno y tres días. Además, este modelo consumía solo una fracción de la energía que requieren los GCM convencionales.
NeuralGCM cometía muchos menos errores que otros modelos de aprendizaje automático al producir pronósticos a largo plazo, más allá de los siete días. Sus resultados fueron similares a los del modelo de conjunto del Centro Europeo de Predicciones Meteorológicas a Plazo Medio (ECMWF-ENS), un GCM muy valorado en materia meteorológica.
El equipo de investigadores probó el modelo para pronosticar diferentes fenómenos meteorológicos, como los ciclones tropicales. Los resultados indicaron que NeuralGCM podía producir recuentos y trayectorias de ciclones tropicales más realistas en un tiempo más corto. Scott Hosking, que investiga la IA y los datos ambientales en el Instituto Alan Turing de Londres, afirma que ser capaz de predecir tales eventos es "muy importante para mejorar la capacidad de toma de decisiones y las estrategias de preparación".
Después de probar el modelo, Hoyer y sus colegas están interesados en perfeccionar y adaptar aún más NeuralGCM. Para eso, el equipo ha estado trabajando en el componente atmosférico del modelado del sistema terrestre, el cual es "quizás la parte que afecta más directamente al clima cotidiano", afirma Hoyer. De esta forma, se busca incorporar más aspectos en futuras versiones para mejorar aún más la precisión del modelo informático.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
