Predecir el tiempo sigue siendo uno de los grandes retos de la ciencia. En DeepMind creen haberlo resuelto con IA

  • GraphCast fue un 90% más preciso que el mejor sistema de pronóstico del tiempo del mundo.

  • No solo eso: su operativa es hasta 1.000 veces más barata en términos de consumo de energía.

Graph
30 comentarios Facebook Twitter Flipboard E-mail

Para muchas personas y empresas en todo el mundo, saber qué tiempo va a hacer es una cuestión clave. No ya en el plano personal, sino sobre todo en el económico. Empresas y gobiernos llevan años desarrollando modelos meteorológicos cada vez más precisos, pero adivinar predecir el tiempo —sobre todo a plazos más largos— sigue siendo uno de los grandes restos de la ciencia.

Eso es precisamente lo que parece que DeepMind está cerca de solucionar. La empresa que ya nos maravilló con AlphaGo, AlphaZero o AlphaFold acaba de presentar un nuevo modelo de IA llamado GraphCast que precisamente se dedica a pronosticar el tiempo.  

Como indican en Financial Times, la empresa de Google publicó un estudio revisado por pares en la revista Science esta semana. En él sus responsables afirman que este nuevo modelo de IA "supone un punto de inflexión en el pronóstico meteorológico" y lo demuestran con una serie de pruebas.

Según esa evaluación extensiva, GraphCast fue más preciso que el sistema más reputado del mundo —el European Centre for Medium-range Weather Forecasts (ECMWF)— en predicciones a entre los próximos tres y 10 días.

En las pruebas GraphCast superó en un 90% a las predicciones del ECMWF en las 1.380 métricas realizadas entre las que estaban temperatura, presión, velocidad y dirección del viento o humedad a diferentes niveles de la atmósfera. Matthew Chantry, coordinador de los sistemas de aprendizaje automático en el ECMWF, reconocía que los modelos de IA que pronostican el tiempo han avanzado más rápido de lo que ellos mismos esperaban.

El propio Chantry aceptó elegantemente la derrota. "En nuestra opinión", explicó, "GraphCast es sistemáticamente más hábil que los otros modelos de aprendizaje automático, Pangu-Weather de Huawei y FourCastNet de Nvidia, y en muchas puntuaciones es más preciso que nuestro propio sistema de previsión".

En GraphCast se hace uso de redes neuronales "entrenadas" con 40 años de datos de la ECMWF sobre cómo los sistemas meteorológicos se desarrollan y mueven por nuestro planeta. GraphCast es capaz de producir una previsión del tiempo de los próximos diez días en tan solo un minuto y usando tan solo un procesador Google TPU v4.

Eso supone otro de los grandes avances de este modelo: el método convencional, conocido como predicción numérica del tiempo, hace uso de supercomputadores para resolver complejas ecuaciones. En cambio con GraphCast, una vez está entrenado el modelo, su operativa es cerca de "1.000 veces más barata en términos de consumo de energía. Es una mejora milagrosa", afirmaba Chantry.

GraphCast fue usado por ejemplo para pronosticar con éxito el comportamiento del huracán Lee en el Atlántico Norte el pasado septiembre. Rémi Lam, máximo responsable del estudio de DeepMind, explicaba que su sistema fue capaz de predecir que ese huracán aterrizaría en Nueva Escocia nueve días antes de que ocurriese, cuando otros modelos solo podían predecirlo con seis días de antelación. Eso permitía ganar tiempo para prepararse para su llegada.

En Xataka | AEMET y otros servicios están lanzando cada vez predicciones más alejadas en el tiempo. Y es un problema

Comentarios cerrados
Inicio