A medida que la inteligencia artificial invade los distintos ámbitos de la vida cotidiana, son muchas las empresas que buscan adelantarse y dominar cada nicho disponible, incluso si ello conlleva robarle el trabajo a cientos de personas. A partir de ahora, saber el clima con exactitud será mucho más fácil, pero conseguir empleo de meteorólogo, mucho más desafiante. Google acaba de publicar un modelo de inteligencia artificial (IA) que predice el tiempo con una exactitud nunca vista, que supera a cualquier modelo actual y tiene un rendimiento estelar.

"El clima nos afecta a todos, en formas grandes y pequeñas. Puede dictar cómo nos vestimos por la mañana, proporcionarnos energía verde y, en el peor de los casos, crear tormentas que pueden devastar comunidades. En un mundo con un clima cada vez más extremo, los pronósticos rápidos y precisos nunca fueron más importantes", se lee en la promoción que hizo Google de GraphCast, su nuevo modelo de IA que promete cambiarlo todo.

El estudio, publicado hoy en la revista Science, mostró una precisión superior al “modelo europeo”, ampliamente considerado el estándar de oro para la predicción del clima. No solo es el más preciso para pronósticos del clima cotidiano, sino también para eventos más extremos, como huracanes y calor y frío intensos.

 

De tener éxito —como hasta ahora lo tuvo—, GraphCast podría dar paso a una nueva era para la predicción del tiempo. Sin embargo, los expertos ya advirtieron que eso no significa que la IA esté lista para reemplazar todos los métodos tradicionales.

Inteligencia Artificial al servicio del clima

Para los pronósticos de ahora, los expertos usan la denominada predicción meteorológica numérica (NWP, en sus siglas en inglés), en la que se emplean ecuaciones físicas cuidadosamente definidas que luego se traducen en algoritmos ejecutados en supercomputadoras. Este método, un "triunfo de la ciencia y la ingeniería" según DeepMind, la compañía de IA de Google, exige gran experiencia y computadoras muy caras para conseguir pronósticos precisos.

GraphCast, en cambio, apela a un enfoque distinto. En vez de usar ecuaciones físicas, utiliza datos. El modelo de Google se entrena con décadas de datos meteorológicos históricos para aprender un modelo de las relaciones causa-efecto que rigen la evolución del tiempo en la Tierra, desde el presente hasta el futuro.

Esta IA cubre toda la superficie terrestre y predice cinco variables sobre esta, incluidas la temperatura, velocidad, dirección del viento y la presión media a nivel del mar, y seis magnitudes atmosféricas en cada uno de los 37 niveles de altitud, entre ellas la humedad.

De esta manera, hacer pronósticos a 10 días con GraphCast lleva menos de un minuto. Un modelo tradicional necesita una hora o más en una supercomputadora del tamaño de un autobús escolar para lograr la misma hazaña. GraphCast fue aproximadamente un 10% más preciso que el modelo europeo en más del 90% de las variables meteorológicas evaluadas.

¿Los meteorólogos se quedan sin trabajo?

A los investigadores les preocupa la capacidad de la IA para pronosticar con precisión condiciones climáticas extremas, en parte porque hay relativamente pocos eventos de este tipo de los que aprender en el pasado.

Nada que temer con GraphCast: el modelo redujo los errores de trayectoria de los pronósticos de ciclones en alrededor de 15 a 25 kilómetros con un tiempo de anticipación de dos a cuatro días, mejoró los pronósticos de vapor de agua asociado con los ríos atmosféricos entre un 10% y un 25% y proporcionó pronósticos más precisos de calor y frío extremos de cinco a diez años.

"Nuestro enfoque no debe considerarse como un reemplazo de los métodos tradicionales de pronóstico del tiempo", escribieron los autores del estudio. "Más bien, nuestro trabajo debe interpretarse como evidencia de que (la predicción meteorológica de aprendizaje automático) es capaz de enfrentar los desafíos de los problemas de pronóstico del mundo real y tiene potencial para complementar y mejorar los mejores métodos actuales", completaron, en busca de calmar los miedos de una posible escasez de trabajos en el área de meteorología.

Todavía faltan desafíos para la IA antes de reemplazar el trabajo humano. Por ejemplo, debido a limitaciones en los datos de entrenamiento y restricciones de ingeniería, los modelos globales de IA aún no pueden generar pronósticos para tantos parámetros o tan granulares como los de los modelos tradicionales. Eso hace que los modelos de IA sean menos útiles para predecir fenómenos de menor escala, como tormentas e inundaciones repentinas, o sistemas climáticos más grandes que pueden producir grandes diferencias en las cantidades de precipitación en distancias pequeñas, explicó el Washington Post.

Los meteorólogos, eso sí, deben aprender a confiar en los modelos de IA cuyo funcionamiento interno es menos transparente que los tradicionales. El trabajo puede ser conjunto: los profesionales pueden "interpretar y comunicar información a los socios, una tarea que se vuelve más desafiante por la falta de herramientas para determinar por qué un modelo de IA hace el pronóstico que hace", opinó Jacob Radford, investigador de visualización de datos en el Instituto Cooperativo de Investigación en la Atmósfera de la Universidad Estatal de Colorado, en diálogo con el Post.

La mayoría de los expertos, incluidos los autores del estudio, coinciden en que los modelos tradicionales no van a ser reemplazados por modelos de IA, que todavía dependen de los modelos más antiguos para proporcionar datos de entrenamiento y generar las condiciones actuales que utilizan como punto de partida para hacer un pronóstico. Sin embargo, ya hay muchas aplicaciones de la IA en el pronóstico del tiempo. Y muchas más por venir.