Una IA de Microsoft acierta un 92% más con sus predicciones del tiempo a diez días que los modelos tradicionales

Actualmente, la meteorología basa sus predicciones del tiempo recopilando datos sobre el estado actual de la atmósfera, teniendo en cuenta temperatura, presión, viento y humedad. Esos datos se extrapolan en modelos matemáticos, con lo que, en la mayor parte de las ocasiones, se pronostica el clima con bastante fiabilidad. Sin embargo, el refinamiento de los modelos y la utilización de cada vez más datos provocan que se necesiten ordenadores muy potentes. Y ni así la fiabilidad es siempre total.

Ahora, una inteligencia artificial desarrollada por Microsoft y bautizada como Aurora es capaz de llevar a cabo predicciones más precisas. No solo eso: la potencia computacional que se necesita es mucho menor que con los sistemas tradicionales. Los resultados, que podrían permitir una previsión más eficaz de la calidad del aire, de las trayectorias de los ciclones tropicales o de la dinámica de las olas oceánicas, así como una previsión meteorológica de alta resolución, se acaban de publicar en la revista 'Nature'.

Los modelos tradicionales se basan en principios físicos básicos, como la conservación de la masa, el momento y la energía. En estas fórmulas matemáticas, se 'insertan' los datos presentes de la atmósfera, como la temperatura, la presión o la humedad del momento. Así, se puede pronosticar cómo evolucionará el clima, si bien se va perdiendo eficacia según se alejan las predicciones del momento presente: normalmente, a partir de los 3 o 4 días, la eficacia de los partes meteorológicos decae.

En cambio, Aurora no utiliza directamente esos principios físicos, sino que se basa en observaciones y datos recopilados no solo del momento presente, sino también del pasado, construyendo toda una historia o reconstrucción de los patrones meteorológicos históricos a los que tenemos acceso.

«Básicamente, es una gran red neuronal», explica Paris Pikaris, profesor asociado de Ingeniería Mecánica y Mecánica Aplicada en la Universidad de Pensilvania, y autor principal del trabajo. «Al igual que sistemas como ChatGPT, que comprenden y generan lenguaje, Aurora puede comprender y predecir diferentes patrones y procesos físicos en su sistema».

Así, según los autores, esta IA superó a siete centros de pronóstico en predicciones de trayectorias de ciclones a 5 días en el 100% de los objetivos medidos y en el 92% de los objetivos para pronósticos meteorológicos a 10 días. Y todo a ello con menor exigencia computacional, ya que los modelos tradicionales necesitan años para ser desarrollados y Aurora tan solo necesitó entre 4 y 8 semanas para ser 'alimentada' con datos y empezar a crear pronósticos.

«Aurora, entrenada únicamente con datos históricos, pudo pronosticar correctamente todos los huracanes en 2023 con mayor precisión que los centros operativos de predicción», señala Pikaris. «Otro resultado interesante es la predicción de la calidad del aire y la química atmosférica. Esto es interesante desde un punto de vista científico, ya que el modelo Aurora se entrenó previamente solo con datos relativos a la dinámica atmosférica. Sin embargo, durante el ajuste, le pedimos que generalizara a un nuevo dominio científico: la química atmosférica».

Aparte, esta IA logró alcanzar una resolución global de aproximadamente 0,1°, lo que equivale a aproximadamente 9 km en el ecuador. «Esto abre un nuevo potencial para la resolución precisa de tormentas y eventos extremos a una escala muy local», indican los autores.

Aurora no es la primera IA de predicción del tiempo: a finales del pasado año, Google DeepMind presentó GenCast, una revolucionaria herramienta que era capaz de hacer pronósticos del clima a 15 días con mayor exactitud que los sistemas tradicionales. De hecho, los resultados fueron publicados en la misma revista en la que ahora se recoge el trabajo de Aurora y su creador, Rémi Lam, destacado como una de las figuras científicas del año 2024.

«Creo que estamos en el inicio de una era transformadora en la ciencia de los sistemas aéreos que veremos en los próximos 5 a 10 años -dice Pikaris-. La clave reside en cómo construir sistemas que puedan trabajar directamente con observaciones de fuentes de teledetección, como satélites y estaciones meteorológicas, y tomar esas observaciones y generar pronósticos de alta resolución donde queramos».