Es la carrera por conseguir pronósticos meteorológicos fiables a largo plazo | Ciencia

Las consecuencias de una previsión meteorológica eficaz van mucho más allá de la planificación de vacaciones. Disponer de datos precisos durante un período prolongado, más allá de los tres días que suponen actualmente las estimaciones más fiables, salvaría vidas y evitaría pérdidas económicas, según un estudio publicado en comunicaciones naturales cifra en 143 mil millones de dólares al año (131.565 millones de euros). Gigantes tecnológicos como Google o IBM, en colaboración con la NASA, e instituciones de la UE y otros continentes, se han sumado a los objetivos del plan de Naciones Unidas para mejorar los sistemas de alerta temprana y desarrollar herramientas para aprovechar los avances tecnológicos en inteligencia artificial. para obtener una previsión fiable a medio y largo plazo. Comprender el cielo es uno de los desafíos científicos y tecnológicos de nuestro tiempo.

Tormentas, inundaciones, sequías, olas de calor, huracanes y otros fenómenos climáticos extremos representan miles de millones en costos cada año, la mayor parte (63%) corresponden a la evaluación de pérdidas humanas, según el estudio de Naturaleza dirigido por investigadores de Nueva Zelanda. Comprender y anticipar estos eventos adversos es esencial y se ha convertido en un objetivo clave de la agenda tecnológica.

Google DeepMind, la empresa de inteligencia artificial del gigante tecnológico norteamericano, publicó en Ciencia un modelo de pronóstico del tiempo basado en aprendizaje automático para proporcionar pronósticos de 10 días que son «mejores, más rápidos y más accesibles que los enfoques existentes», según el estudio. El modelo, llamado GraphCast, superó a los sistemas tradicionales en el 90% de los casos probados.

En comparación con los modelos actuales de análisis de datos digitales que utilizan recursos informáticos costosos y complejos, GraphCast utiliza aprendizaje automático entrenado en datos históricos para proporcionar un pronóstico preciso de 10 días en menos de un minuto. «Creemos que esto marca un punto de inflexión en el pronóstico del tiempo», dicen los autores, dirigidos por el científico de DeepMind Remi Lam.

IBM también está en esta carrera, en colaboración con la NASA, con una propuesta también de aprendizaje automático basada en el modelo fundacional de la empresa tecnológica (entrenado con un amplio espectro de datos sin etiquetar). Este enfoque le permite analizar millones de puntos de datos generales para realizar diferentes tareas.

“Los modelos fundamentales de IA que utilizan datos geoespaciales (clima, sensores y satélites) pueden cambiar las reglas del juego para ayudarnos a comprender, prepararnos y abordar mejor los numerosos fenómenos relacionados con el clima que afectan la salud de nuestro planeta. «de una manera y a una velocidad nunca antes vista», afirma Alessandro Curioni, vicepresidente de IBM para Europa y África y director del centro de investigación de la empresa en Zurich, Suiza.

El programa ya se ha utilizado para analizar las islas de calor urbanas para reducir el estrés térmico hasta en tres grados Celsius y planificar una campaña para reforestar 15 mil millones de árboles en Kenia durante la próxima década. También se están explorando, con el Consejo de Instalaciones Científicas y Tecnológicas (STFC) del Reino Unido, el impacto de las condiciones climáticas extremas en las operaciones e infraestructuras de las aeronaves y un proyecto para restaurar naturalmente las masas forestales para evitar inundaciones. Ya existe una experiencia piloto en Glasgow.

Kate Royse, directora del Centro Hartree del STFC, dijo que estos modelos «permiten decisiones más inteligentes basadas en una previsión y gestión precisas del riesgo de inundaciones, lo cual es esencial para la planificación urbana futura».

“Nos enfrentamos dramáticamente a los efectos acelerados del cambio climático. Necesitamos hacer un mejor trabajo para mitigar y prepararnos para estos eventos. «La IA podría contribuir a ello», advierte en una publicación de investigación europea horizonte profesor de la Universidad Politécnica de Milán Andrea Castelletti, experto en gestión de recursos naturales

Catelletti está de acuerdo con el enfoque de los gigantes de TI, ya que los modelos de predicción actuales se basan en algoritmos que permiten analizar grandes cantidades de datos sin lograr una precisión óptima. «Todavía tienen puntos débiles», admite Castelletti, y afirma: «La inteligencia artificial podría resolverlos».

“Los modelos climáticos existentes no son muy adecuados para determinados fenómenos meteorológicos extremos. Las olas de calor en Europa, por ejemplo, están aumentando mucho más rápido en el mundo real de lo que predicen los modelos. Es importante predecir los extremos para tener alertas tempranas”, reconoce Dim Coumou, experto en clima de la Universidad de Ámsterdam (Países Bajos).

CLÍN, Un proyecto de investigación financiado por la UE en el que participa España combina inteligencia artificial con datos de la red europea de satélites Copernicus para mejorar la predicción climática. El Centro Europeo de Previsiones Meteorológicas a Plazo Medio, Al igual que IBM y Google, también aplica el aprendizaje automático en sus programas.

Otro proyecto europeo llamado XAIDA, en el que también participa España, intenta comprender las causas subyacentes de los fenómenos meteorológicos extremos. “Se trata de comprender el papel del cambio climático en fenómenos que van desde olas de calor hasta sequías y precipitaciones extremas. Queremos conocer los factores determinantes”, explica Coumou.

Fenómenos indeseables y raros.

Uno de los obstáculos para lograr esta precisión es la información disponible para entrenar la inteligencia artificial. Aunque parece que la información existe desde hace décadas, puede que no sea relevante para comprender los eventos más adversos. “Los acontecimientos extremos son, por definición, raros. Así que no siempre tienes muchas observaciones. Este es un gran obstáculo si queremos utilizar métodos de inteligencia artificial”, explica Coumou.

En este sentido, el proyecto CLINT pretende que sean los sistemas de IA los que generen estos datos a partir de información histórica y permitan entrenar el aprendizaje automático para mejorar las predicciones.

Algunas iniciativas se centran en fenómenos específicos para hacer predicciones precisas. Este es el caso del laboratorio CRUCIAL de las universidades de Lancaster y Exeter, en Reino Unido, que intenta determinar el número de huracanes en el Atlántico en 2024.

“Los cambios en las temperaturas del océano, impulsados ​​por el cambio climático, significan que los registros históricos de huracanes ya no son una buena guía para predecir futuros huracanes”, afirma Kim Kaivanto, profesor de economía y miembro de la iniciativa CRUCIAL.

De manera similar, investigadores del Instituto Coreano de Ingeniería Civil y Tecnología de la Construcción (KICT) han desarrollado un sistema para predecir inundaciones repentinas con una hora de anticipación. Geon-Wook Hwang, investigador del instituto, explica: “Un pronóstico, incluso si es preciso, no tiene valor informativo si no llega con suficiente antelación para reducir significativamente el número de víctimas y daños materiales causados ​​por las inundaciones repentinas. »

puedes seguir LA MATERIA dentro Facebook, X Y Instagramo regístrate aquí para recibir nuestro boletín semanal.

_