GraphCast: la nueva herramienta de predicción del tiempo impulsada por la IA de Google

GraphCast puede medir la temperatura y el geopotencial a varios niveles de presión. Foto: ECMWF.

Con el objetivo de prevenir las variaciones climáticas y la necesidad de pronósticos meteorológicos más confiables, Googlelanzó "GraphCast", un revolucionario modelo de predicción del tiempo basado en inteligencia artificial. Este sistema promete mayor velocidad y precisión, superar a los métodos convencionales y brindar alertas anticipadas sobre fenómenos meteorológicos extremos.

La ciencia de datos, con un enfoque particular en la inteligencia artificial, busca asumir un papel central en la generación de pronósticos meteorológicos precisos. La reciente introducción de GraphCast representa un avance significativo en este campo, ofreciendo un modelo de pronóstico del tiempo que puede anticiparse hasta 10 días con mayor eficacia.

Así funciona GraphCast. Video: Google DeepMind.Encontrá más vídeos

El equipo detrás de GraphCast, proveniente de la empresa Google DeepMind, describe este avance como un punto de inflexión en la predicción meteorológica. En un estudio científico publicado en la revista Science, los autores destacaron que el método actual de predicción numérica del tiempo (PNT) mejoró a lo largo de los años, pero sigue siendo costoso y computacionalmente exigente.

En contraste, la predicción meteorológica basada en el aprendizaje automático (MLW) ofrece una alternativa eficiente que aprovecha el hardware moderno de aprendizaje profundo. GraphCast puede caracterizar cuándo el calor aumentará por encima de las temperaturas máximas históricas para cualquier lugar determinado de la Tierra. Esto es particularmente útil para anticipar olas de calor, que son cada vez más comunes.

“La predicción del tiempo es uno de los esfuerzos científicos más antiguos y desafiantes. Las predicciones a mediano plazo son importantes para respaldar la toma de decisiones clave en todos los sectores, desde la energía renovable hasta la logística de eventos, pero son difíciles de hacer con precisión y eficiencia”, afirmaron sus creadores, entre ellos, los españoles Álvaro Sánchez González y Ferran Alet.

Predicción de eventos graves: comparación entre GraphCast y HRES. Foto: Google DeepMind.

Te puede interesar:

¿Qué es un ciclón subtropical?: el fenómeno que está pronosticado para Mar del Plata

¿Cómo funciona este pronosticador?

El sistema de GraphCast utiliza datos históricos y los combina con información climática específica. Inicia recopilando datos climáticos actuales, realiza una predicción para las próximas seis horas y luego ajusta sus pronósticos a plazos más largos. 

En comparación con el modelo actualmente utilizado para la predicción meteorológica a medio plazo, llamado HRES, GraphCast mostró un rendimiento significativamente superior en el 90% de los objetivos de la prueba, según el equipo de Google. Además, destacó en la predicción de fenómenos meteorológicos extremos, como ciclones tropicales y cambios de temperatura inusuales, a pesar de no haber sido específicamente entrenado para abordarlos.

DeepMind, en su blog, explicó que, aunque el método tradicional de predicción meteorológica fue un triunfo de la ciencia y la ingeniería, diseñar ecuaciones y algoritmos consume mucho tiempo, requiere experiencia significativa y computadoras costosas. En cambio, el aprendizaje profundo adoptado por GraphCast se basa en el uso de datos en lugar de ecuaciones físicas.

La herramienta de medición busca prevenir los desastres naturales producidos por el cambio climático. Foto: Unsplash.

"Este avance es crucial en el campo de la inteligencia artificial para la predicción meteorológica, ofreciendo pronósticos más precisos y eficientes, y allanando el camino para respaldar decisiones críticas", agregaron los autores.

En este sentido, GraphCast se une a otros sistemas de predicción meteorológica de última generación de Google DeepMind y Google Research, incluido un modelo regional Nowcasting que produce pronósticos con hasta 90 minutos de antelación, y MetNet-3, un modelo regional de predicción meteorológica que ya está en funcionamiento en todo Estados Unidos y Europa.