La IA podría ayudar a predecir el clima con mayor precisión
Ranimiro Lotufo Neto/Alamy
Los investigadores de Google han creado una inteligencia artificial que, según dicen, puede pronosticar patrones meteorológicos y climáticos tan bien como los modelos físicos actuales y, al mismo tiempo, requiere menos potencia informática.
Los pronósticos existentes se basan en modelos matemáticos ejecutados por supercomputadoras enormemente poderosas que predicen de manera determinista lo que ocurrirá en el futuro. Desde que se utilizaron por primera vez en la década de 1950, estos modelos se han vuelto cada vez más detallados y requieren cada vez más potencia informática.
Varios proyectos han tenido como objetivo reemplazar estos cálculos intensos con una IA mucho menos exigente, incluida una herramienta DeepMind para Pronóstico de lluvia a nivel local En escalas temporales cortas, pero, como la mayoría de los modelos de IA, son una “caja negra” cuyo funcionamiento interno es un misterio y la incapacidad de explicar o replicar sus métodos es problemática. Los científicos del clima también señalan que, si los modelos se entrenan con datos históricos, tendrán dificultades para predecir fenómenos sin precedentes que están ocurriendo actualmente debido al cambio climático.
Ahora, Dmitri Kochkov En Google Research en California, sus colegas han creado un modelo llamado NeuralGCM que creen que logra un equilibrio entre los dos enfoques.
Los modelos climáticos típicos dividen la superficie de la Tierra en una cuadrícula de celdas de hasta 100 kilómetros de ancho; los límites de la capacidad de procesamiento hacen que sea poco práctico simularlas a resoluciones más altas. Fenómenos como las nubes, la turbulencia del aire y la convección dentro de esas celdas son simplemente aproximados por un código informático que se modifica continuamente para que coincida con mayor precisión con los datos de observación. Este enfoque, llamado parametrización, espera capturar, al menos parcialmente, los fenómenos de pequeña escala que el modelo físico más amplio no puede capturar.
NeuralGCM está entrenado para asumir esta aproximación a pequeña escala, lo que la hace menos intensiva en términos computacionales y más precisa. En un artículo, los investigadores dicen que el modelo puede procesar 70.000 días de simulación en 24 horas utilizando un solo chip llamado unidad de procesamiento tensorial (TPU). En comparación, un modelo competidor llamado Escudo X utiliza una supercomputadora con miles de unidades de procesamiento para procesar sólo 19 días de simulación.
El artículo también afirma que NeuralGCM produce pronósticos con una precisión comparable a la de los mejores modelos de su clase y, a veces, mejor. Google no respondió a una solicitud de entrevista de Científico nuevo.
Tim Palmer Un investigador de la Universidad de Oxford afirma que la investigación es un intento interesante de encontrar una tercera vía entre la física pura y la aproximación opaca de la IA. “Me siento incómodo con la idea de que estemos abandonando por completo las ecuaciones de movimiento y recurriendo a algún sistema de IA, que incluso los expertos dirán que no comprenden del todo”, afirma.
Este enfoque híbrido podría abrir más debates e investigaciones en la comunidad de modelización, pero sólo el tiempo dirá si es adoptado por modelistas de todo el mundo, afirma. “Es un buen paso en la dirección correcta y es el tipo de investigación que deberíamos estar haciendo. Es fantástico ver todos estos métodos alternativos sobre la mesa”.
Temas: