El tiempo nos afecta en todos, dando forma a nuestras decisiones, nuestra seguridad y nuestra forma de vida. Ejemplos como la DANA certifican que la meteorología, también en nuestra casa, pasa por fenómenos extremos que hay que prever. Como el cambio climático provoca más acontecimientos meteorológicos extremos, las previsiones precisas y fiables son más esenciales que nunca. No obstante, el tiempo no se puede predecir a la perfección y las previsiones son especialmente inciertas más allá de unos cuantos días.
Teniendo en cuenta que no es posible una previsión meteorológica perfecta, los científicos y las agencias meteorológicas utilizan pronósticos de conjunto probabilístico, donde el modelo predice una serie de escenarios meteorológicos probables. Estas previsiones conjuntas son más útiles que confiar en una única previsión, ya que proporcionan a los responsables de la toma de decisiones una imagen más completa de las posibles condiciones meteorológicas en los próximos días y semanas y de la probabilidad de cada escenario.
Google, a través de una publicación en la revista científica Nature, ha presentado GenCast, el nuevo modelo de conjunto de IA de alta resolución (0,25 °). GenCast proporciona mejores previsiones tanto del tiempo diario como de los acontecimientos extremos que el sistema operativo superior, el ENTE del Centro Europeo de Previsiones Meteorológicas en Plan Medio (ECMWF), hasta 15 días de antelación. Próximamente, aseguran que publicarán el código, los pesos y las previsiones del modelo para dar apoyo a la comunidad de previsión meteorológica más amplia.
La evolución de los modelos meteorológicos de IA
GenCast marca un avance crítico en la predicción meteorológica basada en IA que se basa en nuestro modelo meteorológico anterior, que era determinista y proporcionaba una única y mejor estimación del tiempo futuro. Por el contrario, una previsión de GenCast comprende un conjunto de 50 o más predicciones, cada una representante una posible trayectoria meteorológica. GenCast es un modelo de difusión, el tipo de modelo de IA generativa que sustenta los avances rápidos y recientes en la generación de imágenes, vídeos y música. No obstante, GenCast se diferencia de estos, ya que se adapta a la geometría esférica de la Tierra y aprende a generar con precisión la compleja distribución de probabilidades de escenarios meteorológicos futuros cuando se da el estado más reciente del tiempo como entrada.
Para entrenar GenCast, la compañía Google proporcionó cuatro décadas de datos meteorológicos históricos del archivo ERA5 del ECMWF. Estos datos incluyen variables como la temperatura, la velocidad del viento y la presión a varias altitudes. El modelo aprendió patrones meteorológicos globales, a una resolución de 0,25°, directamente a partir de estos datos meteorológicos procesados.
Establecer un nuevo estándar para la previsión meteorológica
Para evaluar con rigor el rendimiento de GenCast, lo entrenaron con datos meteorológicos históricos hasta el 2018 y lo probaron con datos del 2019. GenCast mostró una mejor habilidad de previsión que el ENTE del ECMWF, el mejor sistema de previsión de cuyo conjunto operativo dependen cada día muchas decisiones nacionales y locales. Finalmente, Google asegura que ha probado exhaustivamente los dos sistemas, mirando las previsiones de diferentes variables en diferentes plazos de entrega: 1320 combinaciones en total. GenCast fue más preciso que NOS en el 97,2% de estos objetivos y en el 99,8% en tiempo de entrega superiores a 36 horas.
GenCast forma parte del creciente conjunto de modelos meteorológicos basados en IA de próxima generación de Google, como ahora las previsiones deterministas a medio plazo de Google DeepMind y los modelos NeuralGCM, SEEDS e inundaciones de Google Research. Estos modelos empiezan a potenciar las experiencias de los usuarios a la Búsqueda de Google y Maps, y mejoran la previsión de precipitaciones, incendios forestales, inundaciones y calor extrema.