El modelo de inteligencia artificial de DeepMind superó a uno de los sistemas más avanzados del mundo en un 97.2%, mostrando mayor precisión en la predicción de fenómenos extremos como ciclones y tormentas. Basado en décadas de datos históricos, GenCast promete complementar las herramientas tradicionales para mitigar el impacto de desastres climáticos.
Como GenCast es conocido el nuevo modelo de inteligencia artificial de Google DeepMind centrado en lograr mejores resultados de anticipación que las predicciones meteorológicas tradicionales.
En ese sentido, y de acuerdo a un estudio reciente, que realizó pruebas con datos de 2019, la predicción de la IA demostró ser más preciso que el modelo ENS, uno de los sistemas de predicción meteorológica más avanzados del mundo y a cargo del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF).
Durante las pruebas, GenCast superó al ENS en un 97.2%, destacando su capacidad para analizar y procesar datos meteorológicos complejos con mayor eficiencia.
“El clima afecta básicamente a todos los aspectos de nuestra vida... predecir el clima también es uno de los grandes desafíos científicos”, afirma Ilan Price, científico investigador sénior de DeepMind. “Google DeepMind tiene la misión de hacer avanzar la inteligencia artificial en beneficio de la humanidad. Y creo que esta es una forma importante, una contribución importante en ese frente”, agregó.
A diferencia de los modelos tradicionales, que dependen de supercomputadoras para resolver ecuaciones complejas para simular la física de la atmósfera, GenCast está basado en procedimientos de aprendizaje automático que toman como base datos meteorológicos de 1979 a 2018. A partir de ahí, el modelo aprende a reconocer patrones y los utiliza para hacer sus predicciones.
“Para entrenar a GenCast, le proporcionamos cuatro décadas de datos meteorológicos históricos del archivo ERA5 del ECMWF. Estos datos incluyen variables como temperatura, velocidad del viento y presión a distintas altitudes. El modelo aprendió patrones meteorológicos globales, con una resolución de 0,25°, directamente a partir de estos datos meteorológicos procesados”, explican desde Google.
Por ejemplo, GenCast logró avisar con 12 horas de antelación en promedio sobre la trayectoria de un ciclón tropical. Y en general, fue más acertado en la predicción de trayectorias de ciclones, condiciones meteorológicas extremas y producción de energía eólica con hasta 15 días de antelación.
Consideren que modelos de inteligencia artificial como GenCast buscan complementar las tecnologías actuales para anticipar fenómenos meteorológicos con mayor precisión y advertir al público sobre situaciones como tormentas severas, lo que permitiría mitigar el impacto de eventos climáticos extremos como tifones y huracanes.
