En dos estudios, los expertos chinos en aprendizaje automático presentan sus últimos modelos de pronóstico del tiempo. Los modeladores meteorológicos están impresionados con su desempeño.
Las mediciones globales se incorporan a los modelos convencionales para el pronóstico del tiempo. Esto también incluye mediciones usando satélites. La imagen muestra el globo terráqueo con el huracán Ian el 26 de septiembre de 2022.
En el pronóstico del tiempo, el progreso generalmente ocurre a un ritmo pausado. A menudo se necesitan muchos años para que un nuevo método se establezca y acepte. Pero ahora los científicos están usando palabras como «posible cambio de paradigma» o «avance inminente».
El motivo del entusiasmo son los métodos de aprendizaje automático, que se clasifican como inteligencia artificial. Estos métodos se han refinado tan rápidamente en los últimos años que ahora están comenzando a rivalizar con los modelos tradicionales de pronóstico del tiempo.
Los modelos de aprendizaje automático se están volviendo competitivos
En dos estudios, que se pueden leer en la revista científica «Nature», los expertos chinos ahora describen nuevos modelos para el pronóstico del tiempo que funcionan con el aprendizaje automático. Un modelo puede Precipitaciones para las próximas tres horas predecir que el otro es adecuado Previsiones meteorológicas de hasta una semana crear.
Los resultados no son solo impresionantes, algunos de ellos son excepcionalmente buenos.
El modelo para pronósticos meteorológicos de una semana es particularmente notable. Sus inventores, que trabajan en Huawei Cloud, una unidad comercial de Huawei en Shenzhen, lo llamaron «Pangu-Weather». Los autores compararon su modelo con el que actualmente es el mejor modelo de pronóstico del mundo, que fue Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMW), con sede en Reading, Inglaterra. Según el estudio, los pronósticos de Pangu-Weather, por ejemplo, de temperatura, presión atmosférica o viento, son al menos tan precisos, si no un poco más precisos.
El hecho de que Pangu-Weather se acerque al modelo ECMWF es impresionante, dice Peter Dueben. El físico alemán dirige el Departamento de Modelado del Sistema Terrestre en el Centro Meteorológico Europeo.
Los modelos de inteligencia artificial han sido subestimados
Para comprender cuán significativo es el desarrollo, hay que retroceder unos años. Como explica Dueben, en 2018 los primeros grupos comenzaron a alimentar modelos de aprendizaje automático con datos de observación y los utilizaron para construir modelos globales para el pronóstico del tiempo. “Pero los centros meteorológicos y muchos científicos no se lo tomaron en serio”, dice el físico.
En los últimos meses, han aparecido más y más estudios sobre el tema en rápida sucesión. El centavo cayó para él en diciembre de 2022, dice Dueben. Cuando Deep Mind de Google presentó un modelo de este tipo, notó que los nuevos modelos realmente habían mejorado. Habían llegado a un punto en el que podían competir con los modelos convencionales en algunas áreas. En algunos aspectos, incluso podrían vencerlos en niveles de clase mundial.
Los modelos de pronóstico convencionales se basan en ecuaciones físico-matemáticas que describen en detalle cómo cambia el clima. Comenzando con lecturas de temperatura, presión atmosférica y otras variables, las supercomputadoras resuelven estas ecuaciones y finalmente emiten pronósticos.
Los modelos de aprendizaje automático, por otro lado, ignoran por completo la física. «Aprendes todo a partir de los datos», dice Dueben. Estos modelos se entrenan utilizando datos derivados de una combinación matemática de simulaciones de modelos convencionales con datos de medición.
El tiempo se puede predecir mucho más rápido
Una de las ventajas de los nuevos modelos de pronóstico es que se pueden calcular más rápido que con los modelos convencionales, entre mil y diez mil veces más rápido. Una de las razones de esto es que tienen una estructura mucho más simple. El modelo principal de ECMWF tiene un millón de líneas de código, mientras que los modelos de aprendizaje automático como Pangu-Weather necesitan unas pocas miles de líneas.
Oliver Fuhrer, jefe del departamento de modelos de pronóstico de Meteo Suiza, ve la fuerza de los nuevos métodos de pronóstico en el corto y mediano plazo, donde se involucran pronósticos de horas a varios días. Para este propósito, los métodos individuales basados en el aprendizaje automático ya se están utilizando durante la operación, también por parte de Meteo Suiza.El pronóstico del viento a corto plazo de la aplicación meteorológica, por ejemplo, se basa en inteligencia artificial.
Según el Führer, los pronósticos para períodos de más de seis horas todavía se hacen con modelos convencionales. Los buenos resultados en el pronóstico de varios días de Pangu-Weather lo habrían sorprendido. Hay una buena posibilidad de que un gran avance esté en camino.
El experto de ECMWF, Dueben, dice que está 100 por ciento seguro: «En unos años, además de los modelos convencionales, veremos modelos de inteligencia artificial para el pronóstico del tiempo en funcionamiento estándar».
¿Los nuevos modelos también registran eventos extremos?
Pero no es tan lejos todavía. Esto no se debe solo a que Pangu-Weather y sus parientes necesitan conocimientos especiales y una infraestructura informática adecuada. Los nuevos modelos también tienen desventajas.
Por ejemplo, muchos expertos están preocupados por la capacidad de dichos modelos para predecir eventos extremos que no aparecen en los datos de entrenamiento. Dado que los nuevos modelos no se basan en la física, existe un riesgo fundamental de que subestimen la intensidad de los eventos que nunca encontraron.
Oliver Fuhrer de Meteo Suiza es optimista. Los primeros resultados con los nuevos modelos muestran que son bastante capaces de pronosticar eventos extremos que aún no les son familiares.
Huawei, Google, Nvidia y Microsoft han tomado medidas
El experto de ECMWF, Dueben, está muy entusiasmado con los desarrollos en los próximos meses. Hasta ahora, el mercado de los modelos meteorológicos ha sido un área financiada con fondos públicos. Sin embargo, las empresas de tecnología están liderando el mercado de modelos predictivos con aprendizaje automático. Además de Huawei y Google, Nvidia y Microsoft también están activos. «Esta es una llamada de atención y tenemos que ponernos al día ahora», dice Dueben. No se empieza desde cero, pero hay que rellenar los huecos.
Fuhrer ve a Meteo Suiza bien posicionado para las próximas tareas. Como el primer servicio meteorológico de la historia, el modelo meteorológico convencional se ha calculado en los procesadores de gráficos particularmente rápidos desde 2016. Los modelos de aprendizaje automático también se ejecutan en dichos procesadores, lo que permite cálculos paralelos. Según Fuhrer, Meteo Schweiz ya tiene el hardware ideal para utilizar los nuevos métodos, a diferencia de muchos otros servicios meteorológicos.