¿Qué tan confiables son los pronósticos meteorológicos realizados con inteligencia artificial?
Los modelos de pronóstico meteorológico por inteligencia artificial avanzan como una herramienta para los modelos convencionales. En la nota analizamos la situación general de la previsión de tiempo, y los desafíos que quedan por resolver. La inteligencia artificial, de seguro, es una herramienta que llegó para quedarse.
Si queremos saber qué tiempo hará en la próxima semana, una previsión meteorológica puede darnos una idea muy aproximada. Estadísticamente, para los modelos actuales una previsión a siete días puede indicar el tiempo con exactitud aproximadamente el 80% de las veces y una previsión a cinco días puede predecir el tiempo con exactitud aproximadamente el 90% de las veces. Los pronósticos de previsión numéricos (NWP) básicamente lo que hacen es prever el estado de la atmósfera en un momento futuro partiendo de condiciones iniciales.
Como la atmósfera es un sistema caótico, pequeños cambios en las situaciones iniciales pueden generar diferencias importantes en el pronóstico a medida que nos alejamos en el tiempo. Hoy en día la capacidad de cálculo han permitido que la eficacia de los modelos de pronóstico hayan aumentado considerablemente.
A estos modelos se suman ahora los que utilizan inteligencia artificial (AI) para predecir las condiciones. Estos modelos tienen la capacidad de comparar una situación inicial con una gran base de datos del pasado para establecer la previsión.
Si bien algunos medios como Wired, ya dan por hecho que los pronósticos con AI han desbancado a los generados por NWP, la realidad es que esa afirmación no es totalmente cierta, y queda mucho por recorrer. Los modelos con AI parecen estar funcionando bien para situaciones dentro del promedio, pero tienen problemas a la hora de resolver situaciones extraordinarias o lejos de los valores promedio. Si es cierto que se abre un camino muy prometedor.
Diferentes modelos de AI
El rendimiento de los modelos meteorológicos de IA puede variar mucho en función del modelo específico utilizado, los datos con los que se entrena y la complejidad de los algoritmos subyacentes. Sin embargo, los modelos meteorológicos de IA han demostrado ser prometedores para mejorar la precisión de las previsiones meteorológicas en los últimos años. Su punto más fuerte son los buenos resultados en el pronóstico de corto plazo.
Los modelos meteorológicos de IA, en particular los modelos de aprendizaje profundo como las redes neuronales, han demostrado la capacidad de mejorar los pronósticos meteorológicos a corto plazo. Pueden analizar grandes cantidades de datos rápidamente e identificar patrones que los modelos numéricos tradicionales de predicción meteorológica pueden pasar por alto.
Otro punto de valor sobre el que se está trabajando es por el que los modelos de IA a veces pueden proporcionar tiempos de anticipación más largos para eventos climáticos extremos, como huracanes, tornados o fuertes lluvias, lo que puede ser crucial para la alerta temprana y la preparación para desastres.
También es prometedora la posibilidad de mejorar las previsiones a escala más acotada como la mesoescala. Los modelos de IA pueden sobresalir en la predicción de fenómenos meteorológicos localizados, como tormentas eléctricas, que a menudo son difíciles de predecir con precisión para los modelos tradicionales. Los pronósticos con AI pueden tener un gran avance, pero a costa de un mayor costo computacional.
El equilibrio entre precisión y costo computacional es una consideración crucial. Como sea, es un nuevo participante que puede ayudar a lograr mejores estimaciones.
Una gran herramienta para el pronóstico
La comunidad meteorológica sabe que los pronósticos con IA aparecen muy prometedores, pero saben que no son una panacea y deben usarse junto con los modelos tradicionales de predicción numérica del tiempo y análisis meteorológicos de expertos para proporcionar los pronósticos más confiables. El pronóstico del tiempo sigue siendo una ciencia compleja y multifacética, y la IA es solo una de las herramientas utilizadas para mejorar su precisión. Uno de los modelos más prometedores es el realizado por Google: Deep Mind Graph Cast.
El Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) realizó un estudio sobre evaluación de pronósticos en casos de tiempo extremo de 2022. Los modelos de AI basados en datos resultaron capaces de pronosticar situaciones meteorológicas extremas y proporcionar orientación a medio plazo. El modelo de referencia de AI, Pangu Weather (PGW) no produce pronósticos de precipitación, nubes, visibilidad, ráfagas de viento, lo que ha limitado estas investigaciones.
Además, todavía no existe un método de conjunto confiable disponible debido a la falta de incertidumbre del modelo, razón por la cual no se ha evaluado ese aspecto. Es probable que los desarrollos futuros de modelos basados en datos aborden estas deficiencias. Si bien los pronósticos con AI demuestran que pueden ser una gran herramienta, los fallos de todos los modelos en la previsión del catastrófico huracán Otis que destruyó a Acapulco, indican que todavía queda un gran camino para mejorar.