Las predicciones de huracanes mediante IA están arrasando en el mundo de la previsión meteorológica – MundoDaily

No parecía garantizado que esto funcionara, dice Matthew Chantry, coordinador de aprendizaje automático en ECWMF, que está capeando esta temporada de tormentas evaluando su desempeño. Los algoritmos que sustentan ChatGPT se entrenaron con billones de palabras, en gran parte extraídas de Internet, pero no existe una muestra tan completa de la atmósfera de la Tierra. Los huracanes, en particular, constituyen una pequeña fracción de los datos de entrenamiento disponibles. El hecho de que las trayectorias de las tormentas predichas por Lee y otros fueran tan buenas significa que los algoritmos capturaron algunos fundamentos de la física atmosférica.

Este proceso tiene desventajas. Debido a que los algoritmos de aprendizaje automático se aferran a los patrones más comunes, tienden a restar importancia a la intensidad de los valores atípicos, como olas de calor extremas o tormentas tropicales, dice Chantry. Y existen lagunas en lo que estos modelos pueden predecir. No fueron diseñados para estimar la precipitación, por ejemplo, que ocurre con una resolución más fina que los datos meteorológicos globales utilizados para entrenarlos.

Shakir Mohamed, director de investigación de DeepMind, dice que la lluvia y los fenómenos extremos (los fenómenos meteorológicos que probablemente más interesan a la gente) representan los “casos más desafiantes” para los modelos meteorológicos de IA. Existen otros métodos de pronóstico de precipitaciones, incluido un enfoque localizado basado en radar desarrollado por DeepMind conocido como NowCasting, pero integrar los dos es un desafío. Datos más refinados, que se esperan en la próxima versión del conjunto de datos del ECMWF utilizado para entrenar modelos de pronóstico, podrían ayudar a los modelos de IA a comenzar a predecir las precipitaciones. Los investigadores también están explorando cómo modificar los modelos para que estén más dispuestos a predecir eventos fuera de lo común.

Comprobaciones de Errores

Una comparación que obtienen los modelos de IA es la eficiencia. Los meteorólogos y los funcionarios de gestión de desastres quieren cada vez más lo que se conoce como pronósticos probabilísticos de eventos como huracanes: un resumen de una variedad de escenarios posibles y la probabilidad de que ocurran. Por tanto, los pronosticadores producen modelos conjuntos que trazan resultados diferentes. En el caso de los sistemas tropicales, se les conoce como modelos espagueti porque muestran madejas de múltiples trayectorias posibles de tormentas. Pero calcular cada fideo adicional puede llevar horas.

Los modelos de IA, por otro lado, pueden producir múltiples proyecciones en minutos. «Si ya tiene un modelo entrenado, nuestro modelo FourCastNet se ejecutará en 40 segundos en una tarjeta gráfica antigua», dice DeMaria. «Así que se podría hacer un conjunto gigantesco que no sería factible con modelos físicos».

Desafortunadamente, los verdaderos pronósticos por conjuntos introducen dos formas de incertidumbre: tanto en las observaciones meteorológicas iniciales como en el modelo mismo. Los sistemas de IA no pueden hacer esto último. Esta debilidad surge del problema de la «caja negra» común a muchos sistemas de aprendizaje automático. Cuando intentas predecir el clima, es crucial saber cuánto debes dudar de tu modelo. Lingxi Xie, investigador senior de IA en Huawei, dice que agregar explicaciones a los pronósticos de IA es la solicitud número uno de los meteorólogos. «No podemos dar una respuesta satisfactoria», afirma.

A pesar de estas limitaciones, Xie y otros tienen la esperanza de que los modelos de IA puedan hacer predicciones precisas más ampliamente disponibles. Pero la perspectiva de poner el clima impulsado por IA en manos de cualquiera todavía está muy lejos, afirma. Se necesitan buenas observaciones meteorológicas para hacer pronósticos de cualquier tipo (desde satélites, boyas, aviones, sensores) canalizados a través de empresas como NOAA y ECMWF, que procesan los datos en conjuntos de datos legibles por máquinas. Los investigadores de IA, las nuevas empresas y las naciones con capacidades limitadas de recopilación de datos están ansiosos por ver qué pueden hacer con estos datos en bruto, pero abundan las sensibilidades, incluida la propiedad intelectual y la seguridad nacional.

Se espera que estos grandes centros de pronóstico continúen probando los modelos antes de que se eliminen las etiquetas de «experimentales». Los meteorólogos son inherentemente conservadores, dice DeMaria, dadas las vidas y propiedades en juego, y los modelos basados ​​en la física no están a punto de desaparecer. Pero cree que las mejoras significan que puede que sólo haya una o dos temporadas más de huracanes antes de que la IA desempeñe algún tipo de papel en los pronósticos oficiales. «Ciertamente ven el potencial», dice.