Manténgase informado con actualizaciones gratuitas
Simplemente regístrate en Inteligencia artificial myFT Digest: entregado directamente a su bandeja de entrada.
Google DeepMind ha presentado un modelo de predicción meteorológica de inteligencia artificial que supera a los métodos tradicionales en previsiones de hasta 15 días y es mejor para prever eventos extremos.
La herramienta, conocida como GenCast, mide la probabilidad de múltiples escenarios para estimar con precisión las tendencias desde la producción de energía eólica hasta los movimientos de los ciclones tropicales.
La técnica probabilística de GenCast es un nuevo hito en el rápido progreso en el uso de la IA para impulsar mejores y más rápidas proyecciones meteorológicas diarias, un enfoque que los grandes pronosticadores tradicionales están adoptando cada vez más.
“[This] “Marca una especie de punto de inflexión en el avance de la IA para la predicción del tiempo, con pronósticos sin procesar de última generación que ahora provienen de modelos de aprendizaje automático”, dijo Ilan Price, científico investigador de Google DeepMind.
“GenCast podría incorporarse como parte de los sistemas operativos de pronóstico del tiempo, ofreciendo información valiosa para ayudar a los tomadores de decisiones a comprender y prepararse mejor para los próximos eventos climáticos”.
La novedad de GenCast con respecto a los modelos anteriores de aprendizaje automático es el uso de las llamadas predicciones de “conjunto” que representan diferentes resultados, una técnica implementada en los pronósticos tradicionales de última generación. GenCast se basa en cuatro décadas de datos del Centro Europeo de Predicción Meteorológica a Plazo Medio (ECMWF).
El modelo superó el pronóstico de 15 días del ECMWF en el 97,2 por ciento de 1.320 variables, como temperatura, velocidad del viento y humedad, según un documento. publicado en la naturaleza El miércoles.
Los resultados son una mejora adicional en la precisión y el alcance del innovador modelo GraphCast de Google DeepMind presentado el año pasado. GraphCast superó las previsiones del ECMWF en aproximadamente el 90 por ciento de las métricas para predicciones con tres a diez días de antelación.
Los modelos de pronóstico de IA suelen ser más rápidos y potencialmente más eficientes que los métodos de pronóstico estándar, que dependen de una gran potencia informática para procesar ecuaciones derivadas de la física atmosférica. GenCast puede generar su predicción en sólo ocho minutos, en comparación con las horas del pronóstico tradicional, y con una fracción de las necesidades de procesamiento electrónico.
Los investigadores dijeron que el modelo GenCast podría mejorarse aún más en áreas como su capacidad para predecir la intensidad de grandes tormentas. La resolución de sus datos podría aumentarse para igualar las actualizaciones realizadas este año por el ECMWF.
El ECMWF dijo que el desarrollo de GenCast fue un “hito importante en la evolución de la previsión meteorológica”. Dijo que había integrado “componentes clave” del enfoque GenCast en una versión de su propio sistema de pronóstico de IA, con predicciones en vivo disponibles desde junio.
La innovadora ciencia de aprendizaje automático detrás de GenCast aún debe probarse en eventos climáticos extremos, añadió el ECMWF.
El desarrollo de GenCast alimentará aún más el debate sobre hasta qué punto se debe implementar la IA en los pronósticos, y muchos científicos prefieren una técnica híbrida para algunos propósitos.
En julio, Google presentó el modelo NeuralGCM, que combina el aprendizaje automático y la física tradicional para lograr mejores resultados que la IA sola en pronósticos a largo plazo y tendencias climáticas.
“Hay preguntas abiertas y debates sobre el equilibrio óptimo entre la física y los sistemas de pronóstico de aprendizaje automático. Una amplia comunidad científica que incluye [us] está explorando esto activamente”, dijo el ECMWF.
La Met Office del Reino Unido, el servicio meteorológico nacional, está investigando cómo aprovechar los “emocionantes” avances en sus propios modelos de pronóstico impulsados por IA, dijo Steven Ramsdale, pronosticador jefe responsable de IA.
“Sostenemos que el mayor valor proviene de un enfoque híbrido, que combina la evaluación humana, los modelos tradicionales basados en la física y el pronóstico del tiempo basado en la inteligencia artificial”, añadió.
Capital climática
Donde el cambio climático se encuentra con los negocios, los mercados y la política. Explore la cobertura del FT aquí.
¿Tiene curiosidad acerca de los compromisos de sostenibilidad ambiental del Financial Times? Obtenga más información sobre nuestros objetivos basados en la ciencia aquí
About the Author
