Desbloquea el Editor’s Digest gratis
Roula Khalaf, editora del FT, selecciona sus historias favoritas en este boletín semanal.
Por primera vez, la inteligencia artificial ha superado de manera convincente a los métodos de pronóstico convencionales al predecir el clima en todo el mundo hasta 10 días en el futuro.
El modelo GraphCast AI “marca un punto de inflexión en el pronóstico del tiempo”, dijeron sus desarrolladores en Google DeepMind en un artículo revisado por pares. publicado en la revista Science el martes.
Una evaluación exhaustiva demostró que GraphCast era más preciso que el sistema convencional líder en el mundo para predicciones con tres a diez días de anticipación, administrado por el Centro Europeo de Pronósticos Meteorológicos a Medio Plazo.
Superó al producto ECMWF en el 90 por ciento de las 1.380 métricas utilizadas, que incluían temperatura, presión, velocidad y dirección del viento y humedad en diferentes niveles de la atmósfera.
Matthew Chantry, coordinador de aprendizaje automático del ECMWF, dijo que los sistemas de inteligencia artificial en meteorología habían progresado “mucho más rápido y de manera más impresionante de lo que esperábamos hace dos años”.
ECMWF, un organismo intergubernamental con sede en Reading, Reino Unido, ha estado ejecutando pronósticos en vivo mediante modelos de inteligencia artificial de Huawei y Nvidia, así como DeepMind, junto con su propio sistema de pronóstico integrado.
Chantry respaldó la afirmación de DeepMind de que su sistema es el más preciso. “Consideramos que GraphCast es consistentemente más hábil que otros modelos de aprendizaje automático, Pangu-Weather de Huawei y FourCastNet de Nvidia, y en muchos aspectos es más preciso que nuestro propio sistema de pronóstico”, dijo al Financial Times.
GraphCast utiliza una arquitectura de aprendizaje automático llamada red neuronal gráfica, que aprendió de más de 40 años de datos anteriores del ECMWF sobre cómo se desarrollan y se mueven los sistemas meteorológicos alrededor del mundo.
Los insumos para sus pronósticos son los estados de la atmósfera en todo el mundo en el momento actual y seis horas antes, recopilados por el ECMWF a partir de observaciones meteorológicas globales. GraphCast produce un pronóstico de 10 días en un minuto en una sola computadora en la nube Google TPU v4.
En contraste con este enfoque de “caja negra” derivado de datos, el método convencional utilizado por el ECMWF y las oficinas meteorológicas nacionales del mundo, conocido como predicción numérica del tiempo, utiliza supercomputadoras para procesar ecuaciones basadas en el conocimiento científico de la física atmosférica, un proceso que consume mucha energía. eso lleva varias horas.
“Una vez capacitado, GraphCast es tremendamente barato de operar”, afirmó Chantry. “Podríamos estar hablando de un consumo energético 1.000 veces más barato. Esa es una mejora milagrosa”.
Como ejemplo de pronóstico exitoso, los científicos de DeepMind mencionaron el huracán Lee en el Atlántico norte en septiembre. “GraphCast pudo predecir correctamente que Lee tocaría tierra en Nueva Escocia nueve días antes de que sucediera, en comparación con sólo seis días para los enfoques tradicionales”, dijo Rémi Lam, autor principal del artículo de Science. “Eso le dio a la gente tres días más para prepararse para su llegada”.
Sin embargo, la IA no tuvo mejores resultados que los modelos físicos convencionales a la hora de predecir la repentina intensificación explosiva del huracán Otis frente a la costa del Pacífico de México, que devastó Acapulco sin previo aviso el 25 de octubre.
El siguiente paso para el ECMWF sería construir su propio modelo de IA y buscar combinarlo con su sistema numérico de predicción del tiempo, dijo Chantry. “Hay espacio para inyectar nuestra comprensión de la física en estos sistemas de aprendizaje automático, que pueden parecer cajas negras”.
La Oficina Meteorológica del Reino Unido, el servicio meteorológico nacional, anunció el mes pasado una colaboración con el Instituto Alan Turing, el centro británico para la investigación de la IA, para desarrollar su propia red neuronal gráfica para la predicción meteorológica, que incorporará a su infraestructura de supercomputadoras existente.
Simon Vosper, director científico de la Met Office, señaló la necesidad de tener en cuenta el cambio climático en los pronósticos. “Es justo preguntarse si los sistemas basados en IA son capaces de captar nuevos extremos si estos sistemas sólo han sido ‘entrenados’ en condiciones climáticas anteriores”, dijo.
“Nuestro objetivo es aprovechar lo mejor que la IA puede ofrecer mientras trabajamos con nuestros modelos informáticos tradicionales basados en la física de la atmósfera”, añadió Vosper. “Creemos que esta combinación de tecnologías proporcionará los pronósticos meteorológicos más sólidos y detallados en una era de cambios dramáticos”.
About the Author
