IA revoluciona la meteorología: avances y limitaciones en predicción de tormentas
Según informa Soundingsonline en un artículo firmado por Kim Kavin los nuevos modelos de aprendizaje automático se están consolidando como herramientas valiosas para las predicciones meteorológicas. Sin embargo, los especialistas advierten que los métodos tradicionales aún son indispensables.
Este ha sido un año intenso para los investigadores en inteligencia artificial aplicada a la meteorología. En diciembre, Google DeepMind presentó GenCast, un modelo de IA capaz de predecir el clima diario y fenómenos extremos con mayor precisión y rapidez que el modelo europeo tradicional. En mayo, Microsoft dio a conocer Aurora, un sistema de IA que promete pronosticar huracanes más rápido y con más precisión que las herramientas convencionales.
En paralelo, el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF) puso en marcha su nuevo Sistema de Predicción con Inteligencia Artificial, que trabaja junto al modelo físico tradicional, ahora generando 51 pronósticos con ligeras variaciones para refinar la precisión.
Estos sistemas de IA aplican métodos de predicción más ágiles, basados en patrones históricos, y podrían integrarse próximamente en equipos electrónicos a bordo de embarcaciones recreativas. En teoría, su adopción amplia mejoraría significativamente la accesibilidad y calidad de los pronósticos meteorológicos.
No obstante, como explica Matt Rogers, presidente de Commodity Weather Group, la meteorología tradicional sigue siendo indispensable:
“Cuando estudiaba meteorología, aprendíamos ecuaciones físicas que hoy corren en supercomputadoras. Los modelos de IA no las utilizan: se basan en décadas de datos y en el reconocimiento de patrones similares. Dicen ‘esto ocurrió antes o algo parecido, por eso esto sucederá’.”
Rogers subraya que, por ahora, los modelos de IA son solo «una herramienta más en la caja». Aunque pueden ofrecer ventajas, no reemplazan aún a los sistemas tradicionales en situaciones críticas como plataformas petrolíferas.
Estos desarrollos surgen en un contexto de debate en EE.UU.: se discuten posibles recortes presupuestarios en la NOAA, y la NASA extendió el uso de señales satelitales clave para monitorear la intensificación de tormentas.
Tanto GenCast como Aurora aseguran ofrecer mayor eficiencia de costos y mejores resultados que los modelos operativos actuales. Sin embargo, como admite Microsoft, estos sistemas apenas comienzan a mostrar su potencial.
Rogers coincide: aún queda mucho por mejorar. Mientras, los sistemas tradicionales siguen siendo fundamentales para determinar la ubicación de las tormentas; los modelos de IA pueden complementar, pero no reemplazar, esa precisión de intensidades.
Un dato clave: el Centro Nacional de Huracanes recolecta datos críticos con aviones durante la tormenta, información que alimenta los modelos tradicionales, algo que los sistemas de IA actuales todavía no incorporan.
Rogers propone que en el futuro podríamos confiar en una combinación sinérgica: IA para personalización de pronósticos —por ejemplo, a nivel de marina— y los modelos clásicos para el fundamento científico. Ambos necesitan coexistir: los de IA requieren a los tradicionales para entrenarse y viceversa.
Por ahora, el sistema que mejor prevé trayectorias, como sobre la Costa Este de EE. UU., funciona mejor con IA. Pero para distinguir la categoría entre 2 y 4, los modelos tradicionales aún son más fiables.
En síntesis: la evolución de la predicción meteorológica transita hacia una relación simbiótica entre IA y métodos basados en física.
Fuente: Soundings Online
