¿Puede la IA decirle si necesitará un paraguas?
SEBASTIEN BOZÓN/AFP vía Getty Images
La IA puede predecir el tiempo con 10 días de antelación con mayor precisión que las simulaciones actuales de última generación, afirma la empresa de IA Google DeepMind, pero los meteorólogos han advertido contra el abandono de los modelos meteorológicos basados en principios físicos reales y basándose únicamente en patrones de datos, mientras señalan las deficiencias del enfoque de IA.
Los pronósticos meteorológicos existentes se basan en modelos matemáticos, que utilizan la física y potentes supercomputadoras para predecir de manera determinista lo que sucederá en el futuro. Poco a poco, estos modelos se han vuelto más precisos al agregar detalles más finos, lo que a su vez requiere más computación y, por lo tanto, computadoras cada vez más potentes y mayores demandas de energía.
Rémi Lam de Google DeepMind y sus colegas han adoptado un enfoque diferente. Su modelo GraphCast AI se basa en cuatro décadas de datos meteorológicos históricos de satélites, radares y mediciones terrestres, identificando patrones que ni siquiera Google DeepMind comprende. “Al igual que muchos modelos de IA de aprendizaje automático, no es muy fácil interpretar cómo funciona el modelo”, afirma Lam.
Para hacer un pronóstico, utiliza lecturas meteorológicas reales, tomadas de más de un millón de puntos alrededor del planeta en dos momentos determinados con seis horas de diferencia, y predice el tiempo con seis horas de antelación. Esas predicciones pueden luego usarse como insumos para otra ronda, pronosticando seis horas más en el futuro.
Los investigadores de DeepMind ejecutaron este proceso con datos del Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF) para crear un pronóstico de 10 días. Dicen que superó el pronóstico de alta resolución (HRES) “estándar de oro” del ECMWF al ofrecer predicciones más precisas en más del 90 por ciento de los puntos de datos probados. En algunas altitudes, esta precisión llegó al 99,7 por ciento.
Mateo Chantry del ECMWF, que trabajó con Google DeepMind, dice que su organización había visto anteriormente la IA como una herramienta para complementar los modelos matemáticos existentes, pero que en los últimos 18 meses se ha llegado a considerar como algo que en realidad podría proporcionar pronósticos por sí solo.
“Nosotros en el ECMWF vemos esto como una tecnología enormemente interesante para reducir los costos energéticos de hacer pronósticos, pero también potencialmente mejorarlos. Probablemente quede más trabajo por hacer para crear productos operativos confiables, pero este es probablemente el comienzo de una revolución (ésta es nuestra evaluación) en la forma en que se crean los pronósticos meteorológicos”, afirma. Google DeepMind dice que hacer pronósticos de 10 días con GraphCast toma menos de un minuto en una PC de alta gama, mientras que HRES puede tomar horas de tiempo de supercomputadora.
Pero algunos meteorólogos han expresado cautela a la hora de entregar el pronóstico del tiempo a la IA. Ian Renfrew en la Universidad de East Anglia, Reino Unido, dice que GraphCast actualmente carece de la capacidad de reunir datos para su propio estado inicial, un proceso conocido como asimilación de datos. En los pronósticos tradicionales, estos datos se colocan cuidadosamente en la simulación después de realizar comprobaciones exhaustivas con cálculos de física y química para garantizar la precisión y la coherencia. Actualmente, GraphCast necesita utilizar estados iniciales preparados de la misma manera por las propias herramientas del ECMWF.
“Google no va a publicar pronósticos meteorológicos en el corto plazo porque no pueden asimilar los datos”, dice Renfrew. “Y la asimilación de datos suele ocupar entre la mitad y dos tercios del tiempo de computación en estos sistemas de pronóstico”.
Dice que también le preocuparía deshacerse por completo de los modelos deterministas basados en la química y la física y depender únicamente de la producción de IA.
“Se puede tener el mejor modelo de pronóstico del mundo, pero si el público no confía en uno y no actúa, ¿qué sentido tiene? Si se emite una orden para evacuar 30 millas de costa en Florida y luego no pasa nada, se está arruinando décadas de confianza acumulada”, afirma. “La ventaja de un modelo determinista es que puedes cuestionarlo y, si obtienes malos pronósticos, puedes cuestionar por qué son malos pronósticos y tratar de mejorar esos aspectos”.
Temas: