Google Deep Mind revoluciona la predicción meteorológica
Este sistema supera las predicciones tradicionales
EFE | Mallorca, 04 de Diciembre de 2024 | 20:06h
Investigadores de Google Deep Mind han desarrollado un modelo de aprendizaje automático denominado GenCast, capaz de generar previsiones meteorológicas probabilísticas fiables basadas en datos actuales y pasados. Este sistema supera las predicciones tradicionales de medio alcance y destaca en áreas como las condiciones meteorológicas extremas, la trayectoria de ciclones tropicales y la producción de energía eólica.
El estudio que detalla este avance fue publicado este miércoles en la revista Nature, resaltando la capacidad del modelo para optimizar la toma de decisiones esenciales para personas, gobiernos y organizaciones. Desde planificar la producción de energía eólica hasta gestionar desastres climáticos, contar con pronósticos precisos es cada vez más crucial.
CÓMO FUNCIONA GENCAST
A diferencia de las previsiones meteorológicas tradicionales, que se basan en métodos numéricos deterministas, GenCast utiliza el aprendizaje automático para generar previsiones probabilísticas. Este enfoque predice la probabilidad de condiciones futuras basándose en patrones históricos y actuales.
El equipo de Google entrenó GenCast con datos recopilados durante 40 años (1979-2018), logrando generar previsiones globales con un alcance de 15 días en intervalos de 12 horas. Lo más destacable es su eficiencia, ya que puede procesar más de 80 variables atmosféricas y de superficie en tan solo ocho minutos.
RESULTADOS QUE SUPERAN ESTÁNDARES
En una comparación con el conjunto de previsiones del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ENS), GenCast demostró un rendimiento superior en el 97,2% de los 1.320 objetivos evaluados. Además, sobresale en la predicción de fenómenos meteorológicos extremos, trayectorias de ciclones tropicales y en la estimación de producción de energía eólica.
Según los investigadores, este modelo ofrece una herramienta eficaz para optimizar la planificación ante eventos climáticos y mejorar la eficiencia en sectores clave.
IMPACTO Y FUTUROS DESARROLLOS
El meteorólogo Ernesto Rodríguez-Camino, miembro de la Asociación Meteorológica Española, subraya que grandes empresas tecnológicas como Google están revolucionando las predicciones meteorológicas. Según explica, modelos como GenCast no solo superan las capacidades del reconocido modelo IFS del ECMWF, sino que también añaden un componente probabilístico, lo que representa un avance significativo en la predicción meteorológica por conjuntos.
Sin embargo, Rodríguez-Camino señala que estos sistemas aún dependen de los modelos tradicionales basados en leyes físicas, como el IFS, para establecer condiciones iniciales y entrenar algoritmos. No obstante, destaca que la eficiencia computacional de GenCast abre la posibilidad de desarrollar sistemas híbridos en el futuro cercano, combinando enfoques basados en datos y ecuaciones físicas.
EL FUTURO DE LA METEOROLOGÍA HÍBRIDA
El meteorólogo concluye que un sistema híbrido permitiría aprovechar las ventajas de ambos enfoques: modelos basados en ecuaciones físicas para verificar y mejorar las condiciones iniciales, y algoritmos basados en datos para optimizar las predicciones y ampliar los recursos para generar pronósticos más precisos y rápidos.
Con avances como este, GenCast posiciona a Google Deep Mind como un referente en el desarrollo de soluciones tecnológicas aplicadas a la meteorología del futuro.
