El tifón Hagibis se acerca a Japón en 2019. La tormenta fue uno de los eventos utilizados para estudiar la precisión de un sistema de pronóstico basado en inteligencia artificial.Fuente de la imagen: NASA Worldview, Sistema de Información y Datos del Sistema de Observación de la Tierra (EOSDIS)/AP/Alamy
Google DeepMind ha desarrollado el primer modelo de inteligencia artificial (IA). Previsión del tiempo Con mayor precisión que el mejor sistema actualmente en uso. El modelo genera pronósticos con hasta 15 días de anticipación, y lo hace en minutos, en lugar de las horas que requiere el software de pronóstico actual.
El sistema puramente de IA supera al mejor modelo operativo de mediano alcance del mundo, el modelo combinado (ENS) del Centro Europeo de Pronósticos Meteorológicos de Medio Plazo, en la predicción de condiciones climáticas extremas como huracanes y tornados. Olas de calor. Este avance podría ayudar a marcar el comienzo de una era El pronóstico del tiempo por IA es más rápido y confiable que los sistemas actualesDicen los investigadores. El sistema, llamado GenCast, se describe hoy en naturaleza1.
La súper rápida IA de Microsoft es la primera en predecir la contaminación del aire en todo el mundo
Los pronósticos tradicionales, incluidos los pronósticos de la ENS, se basan en modelos matemáticos que simulan las leyes de la física que gobiernan la atmósfera terrestre. Utilizan supercomputadoras para procesar datos de satélites y estaciones meteorológicas – Un proceso que requiere horas y enormes cantidades de potencia informática.
Por el contrario, GenCast se entrenó únicamente con datos meteorológicos históricos, lo que permite al sistema extraer relaciones complejas entre variables como la presión del aire, la humedad, la temperatura y el viento. Esto le ayuda a superar a los sistemas estrictamente basados en la física, afirma Ilan Price, científico investigador de Google DeepMind en Londres y autor del artículo.
“Hemos hecho un gran progreso para alcanzarnos y adelantarnos ahora. [physics-based models] “Con aprendizaje automático”, dice Price.
La inteligencia artificial surge
La previsión meteorológica mediante inteligencia artificial se ha desarrollado rápidamenteMuchas empresas compiten por desarrollar nuevos y mejores modelos. Entre ellos está Huawei2 en Shenzhen, China y Nvidia en Santa Clara, California. A principios de este año, Google lanzó NeuralGCM3, Un sistema híbrido que combina modelos basados en la física e inteligencia artificial Elaborar previsiones a corto y largo plazo a la par de los modelos tradicionales.
Algunos sistemas de IA lanzados hasta ahora son modelos “deterministas”, lo que significa que solo hacen una predicción y no estiman la probabilidad de que la predicción sea correcta. Por el contrario, GenCast crea pronósticos “agregados”: un conjunto de pronósticos, cada uno de los cuales se produce a partir de condiciones iniciales ligeramente diferentes. Al combinar estos pronósticos en un conjunto, los científicos pueden producir pronósticos finales y estimar la probabilidad de que ocurra el clima esperado.
Cómo el aprendizaje automático puede ayudar a mejorar las predicciones climáticas
Price y sus colegas entrenaron la IA con datos meteorológicos globales de 1979 a 2018 y luego predijeron el tiempo para 2019. Para verificar su precisión, compararon los pronósticos de GenCast con datos meteorológicos reales y pronósticos de ENS para ese año.
GenCast fue más preciso que ENS en el 97% de las métricas utilizadas en el cuadro de mando para evaluar dichos pronósticos “probabilísticos”. También fue mejor para predecir el calor, el frío y el viento extremos, así como las trayectorias de los ciclones tropicales.
GenCast produce pronósticos de 15 días en 8 minutos en un chip de procesamiento impulsado por IA. Price dice que esta velocidad es “mucho más rápida” que el tiempo que tardan los modelos tradicionales.
Código para todos
Los investigadores publicaron el código base y pusieron a disposición parámetros del modelo llamados “pesos” para uso no comercial. Price dice que esto ayudará a “democratizar” la investigación y aumentar el acceso público a los modelos meteorológicos.
“Es realmente una gran contribución a la ciencia abierta”, afirma Matthew Chantry, coordinador de aprendizaje automático en el Centro Europeo de Pronósticos Meteorológicos a Medio Plazo en Reading, Reino Unido. “Necesitamos comprender cómo funcionan estos modelos en fenómenos meteorológicos más extremos”, afirma, y publicar el modelo y los datos públicamente permitirá a la comunidad de investigadores evaluarlos.
Chantry leyó un manuscrito del artículo cuando se publicó en el archivo de preimpresión el año pasado y se inspiró en el método de “difusión” de GenCast, que introduce ruido aleatorio en el modelo para mejorar su confiabilidad. “Ya hemos implementado algunos avances clave en nuestro modelo de aprendizaje automático”, afirma. El modelo resultante, llamado Inteligencia Artificial/Sistema Integrado de Previsión (AIFS), se publicará pronto, añade.
Price dice que obtener pronósticos más precisos con anticipación puede ayudar a las personas a tomar decisiones informadas, especialmente para quienes viven en la trayectoria del huracán.