Tormentas eléctricas sobre Indonesia, vista desde la Estación Espacial Internacional
Observatorio de la Tierra de la NASA / Estación Espacial Internacional (ISS)
Un programa meteorológico de IA que se ejecuta por un solo segundo en un escritorio puede igualar la precisión de los pronósticos tradicionales que toman horas o días con poderosas supercomputadoras, reclaman sus creadores.
El pronóstico del tiempo, desde la década de 1950, se ha basado en modelos basados en la física que extrapolan de las observaciones hechas con satélites, globos y estaciones meteorológicas. Pero estos cálculos, conocidos como predicción meteorológica numérica (NWP), son extremadamente intensivas y dependen de supercomputadoras vastas, costosas y hambrientas de energía.
En los últimos años, los investigadores han tratado de optimizar este proceso aplicando IA. Los científicos de Google el año pasado crearon una herramienta de IA que podría Reemplace pequeños trozos de código complejo En cada celda de un modelo meteorológico, la corte de la computadora se requería dramáticamente. Deepmind más tarde llevó esto aún más lejos y usó ai Para reemplazar todo el pronóstico. Este enfoque ha sido adoptado por el Centro Europeo para Pronósticos Meteorológicos de Media Cango (ECMWF), que lanzó una herramienta llamado Sistema de pronóstico de inteligencia artificial el mes pasado.
Pero esta expansión gradual del papel de la IA en la predicción del clima ha no alcanzado reemplazar todos Richard Turner en la Universidad de Cambridge y sus colegas buscan cambiar.
Turner dice que el trabajo previo se limitó a pronósticos, y pasó un paso llamado inicialización, donde los datos de satélites, globos y estaciones meteorológicas en todo el mundo se recopilan, limpian, manipulan y se fusionan en una cuadrícula organizada que el pronóstico puede comenzar. «Eso es en realidad la mitad de los recursos computacionales», dice Turner.
Los investigadores crearon un modelo llamado Aardvark Weather que, por primera vez, reemplaza tanto las etapas de pronóstico como de inicialización. Utiliza solo el 10 por ciento de los datos de entrada que hacen los sistemas existentes, pero puede lograr resultados comparables a los últimos pronósticos de NWP, informa Turner y sus colegas en un estudio que evalúa su método.
Generar un pronóstico completo, que tomaría horas o incluso días en una poderosa supercomputadora para un pronóstico NWP, se puede hacer en aproximadamente 1 segundo en una sola computadora de escritorio usando Aardvark.
Sin embargo, Aardvark está utilizando un modelo de cuadrícula de la superficie de la Tierra con células que son de 1.5 grados cuadrados, mientras que el modelo ERA5 de la ECMWF usa una cuadrícula con celdas tan pequeño como 0.3 grados. Esto significa que el modelo de Aardvark es demasiado grosero para captar patrones climáticos complejos e inesperados, dice David Schultz en la Universidad de Manchester, Reino Unido.
«Hay muchas cosas no resueltas que podrían volar tu pronóstico», dice Schultz. «No representan en absoluto los extremos. No pueden resolverlo a esta escala».
Turner argumenta que Aardvark puede vencer a algunos modelos existentes para recoger eventos inusuales como ciclones. Pero reconoce que los modelos de IA como suyas también dependen completamente de esos modelos basados en la física para la capacitación. «Absolutamente no funciona si elimina sus datos de entrenamiento y simplemente usa los datos de observación para capacitarse», dice. «Intentamos hacer eso e ir completamente sin física sin modelo, pero eso no funcionó».
Él cree que el futuro del pronóstico del tiempo puede ser científicos que trabajan en modelos basados en la física cada vez más precisos, que luego se utilizan para entrenar modelos de IA que replican su salida más rápido y con menos hardware. Algunos son aún más optimistas sobre las perspectivas de la IA.
Nikita Gourianov En la Universidad de Oxford, cree que, con el tiempo, la IA podrá crear pronósticos meteorológicos que realmente superen a NWP. Estos serán entrenados solo en datos meteorológicos observacionales e históricos, creando pronósticos precisos completamente independientes de NWP, dice. «Es una cuestión de escala, pero también una cuestión de inteligencia. Debe ser inteligente con la forma en que alimenta los datos y cómo estructura la red neuronal».
Temas: