Aardvark Weather: El sistema que “reinventa” la predicción meteorológica: un modelo reivindica ser miles de veces más preciso y rápido que el actual | Tecnología

Gran parte del país anda estos días consultando las aplicaciones del tiempo de forma constante para saber qué tiempo tendrán en sus vacaciones, si podrán salir las procesiones, si la cosecha corre peligro, qué energía generarán molinos y placas solares o si se puede navegar o, simplemente, si podrán tender la ropa. Las herramientas actuales fundamentan sus predicciones en miles de datos de centenares de fuentes que tardan horas e incluso días en recopilar y procesar mediante el uso de supercomputadoras. Aun así, un pronóstico de más de tres días mantiene un alto grado de incertidumbre. Un nuevo sistema, denominado Aardvark Weather y desarrollado a partir de inteligencia artificial y modelos de aprendizaje basados en ochenta años de datos físicos, “es miles de veces más rápido y preciso que todos los métodos de predicción meteorológica anteriores”, según Richard Turner, del Departamento de Ingeniería de Cambridge y autor principal de la investigación que publica Nature.Más informaciónTurner se muestra entusiasmado con los resultados de la investigación, desarrollada por la Universidad de Cambridge con el apoyo del Instituto Alan Turing, Microsoft Research y el Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF por sus siglas en inglés): “Aardvark reinventa los métodos actuales de predicción meteorológica ofreciendo el potencial de hacer que las predicciones meteorológicas sean más rápidas, más baratas, más flexibles y más precisas que nunca, ayudando a transformar la predicción meteorológica tanto en los países desarrollados como en los países en desarrollo”.Los sistemas de predicción numérica del tiempo (NWP, por sus siglas en inglés) se remontan a la década de los cincuenta y son capaces predecir ahora una amplia gama de variables con un plazo de hasta 15 días. Se fundamentan en el procesamiento, mediate supercomputadoras, de modelos de la atmósfera a partir de décadas de observaciones registradas, dinámica de fluidos y posprocesamiento estadístico de datos de teledetección, radares, radiosondas y aeronaves. Su uso, desarrollo, mantenimiento e implementación de estos sistemas complejos requieren mucho tiempo y grandes equipos de expertosAardvark reemplaza todo este proceso mediante técnicas de aprendizaje automático de extremo a extremo (end to end) impulsado por inteligencia artificial y, según sus creadores, “reduce los costos computacionales, elimina el sesgo de algunos aspectos de los sistemas NWP y permite la creación rápida y precisa de prototipos”.“Al utilizar solo el 10% de los datos de entrada de los sistemas existentes, Aardvark ya supera al Sistema Global de Pronóstico (GFS, por sus siglas en inglés) y es competitivo con otros servicios meteorológicos que utilizan información de docenas de modelos y análisis de pronosticadores humanos expertos”, aseguran los investigadores.Y según Anna Allen, del Departamento de Ciencias de la Computación y Tecnología de Cambridge y coautora del trabajo, “estos resultados son solo el comienzo”. En este sentido añade: “Este enfoque de aprendizaje de extremo a extremo se puede aplicar fácilmente a otros problemas de pronóstico meteorológico, por ejemplo, huracanes, incendios forestales y tornados. Más allá del clima, sus aplicaciones se extienden a la predicción más amplia del sistema terrestre, incluida la calidad del aire, la dinámica oceánica y la predicción del hielo marino”.Otra de las aplicaciones, más allá de fenómenos globales y locales es el desarrollo de pronósticos individualizados que, con los sistemas tradicionales, tardarían años y costarían una enorme suma: “Su flexibilidad y diseño simple, debido a que aprende directamente de los datos, se puede adaptar rápidamente para producir pronósticos personalizados para industrias o ubicaciones específicas, ya sea para predecir las temperaturas para la agricultura africana o la velocidad del viento para una empresa de energía renovable en Europa”.Para defender esta virtud, Turner precisa: “En solo 18 meses, hemos sido capaces de construir algo que es competitivo con los mejores de estos sistemas [convencionales]utilizando solo una décima parte de los datos en una computadora de escritorio”.Scott Hosking, compañero del investigador en el Instituto Alan Turing, insiste en que el potencial de la IA “transforma la toma de decisiones para todos, desde los responsables políticos y los planificadores de emergencias hasta las industrias que dependen de pronósticos meteorológicos precisos”.Pero como todos los modelos de inteligencia artificial, sus resultados dependen de los datos de los que se alimenta para desarrollar sus propuestas y soluciones. En este caso, la memoria del nuevo cerebro ha sido el ERA5 del Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF), una combinación de datos de modelos de ocho décadas con observaciones coherentes con las leyes de la física de todo el mundo. En este sentido, Matthew Chantry director estratégico de aprendizaje automático en el ECMWF, destaca la importancia de la cooperación científica: “Estamos encantados de colaborar en este proyecto que explora la próxima generación de sistemas de pronóstico del tiempo. Parte de nuestra misión es desarrollar y ofrecer pronósticos meteorológicos operativos de IA mientras compartimos datos abiertamente para beneficiar a la ciencia y a la comunidad en general”.“Aardvark representa no solo un logro importante en la predicción del clima con IA, sino que también refleja el poder de la colaboración y de reunir a la comunidad investigadora  para mejorar y aplicar la tecnología de IA de manera significativa”, añade Chris Bishop, de Microsoft Research.Pese al nuevo sistema, cuyos creadores reivindican como más rápido, preciso y eficiente que los modelos convencionales, la predicción meteorológica se sigue enfrentando la incertidumbre que genera la multiplicidad de factores implicados en procesos muy complejos. En este sentido, el profesor de la Facultad de Matemáticas de la Universidad de Sevilla Emilio Carrizosa, que ha participado en investigaciones sobre índices climáticos de las sequías, advierte que, en caso como la dana de Valencia, entran en juego los fenómenos raros no estacionarios. “No tenemos una muestra suficiente como para poder predecir con certeza el resultado. Estamos hablando de fenómenos para los que no tenemos datos similares o idénticos a los que queremos estudiar sino solo parecidos y ahí podemos tener un sesgo que igual no podemos controlar y que es determinante en el fenómeno”.Dim Coumou, experto en climatología de la Universidad de Ámsterdam (Países Bajos), coincide: “Los eventos extremos son, por definición, raros. Así que no siempre tienes muchas observaciones. Ese es un gran obstáculo si se quieren utilizar métodos de inteligencia artificial”Del mismo modo, el astrofísico argentino Gustavo Romero considera la predicción meteorológica como uno de los procesos más complejos: “Los meteorólogos pueden hacer predicciones probabilistas con una ventana de, a lo sumo, una semana. Pero pretender hacerlo más allá es prácticamente imposible porque pequeñas perturbaciones en las condiciones iniciales se propagan rápidamente y producen enormes cambios en los resultados”.Pese a las dificultades, gigantes tecnológicos como Google o IBM, en colaboración con la NASA, y otras instituciones europeas y de otros continentes, en el marco del plan quinquenal de las Naciones Unidas, trabajan en la misma línea que la Universidad de Oxford con Aardvark: desarrollar herramientas de inteligencia artificial que faciliten una predicción fiable a medio y largo plazo y mejoren los sistemas de alerta temprana.Google DeepMind, la compañía de inteligencia artificial del gigante tecnológico norteamericano, mostró en Science un modelo de pronóstico del tiempo basado en aprendizaje automático para aportar predicciones a 10 días “mejores, más rápidas y más accesibles que los enfoques existentes”, según el estudio. El modelo, denominado GraphCast, superó a los sistemas tradicionales en el 90% de los casos probados.El sistema que sirvió de referencia a Google también fue el Centro Europeo de Previsiones Meteorológicas a Medio Plazo, que cuenta en Bolonia (Italia) con una supercomputadora con alrededor de un millón de procesadores y una potencia de 30 petaflops (30.000 billones de cálculos por segundo). Este centro, que utiliza la inteligencia artificial en su Sistema Integrado de Previsión (AIFS) y ofrece pronósticos a largo plazo de eventos climáticos, anticipó las lluvias torrenciales de septiembre en el centro de Europa.GraphCast, al igual que Aardvark, recurre al aprendizaje automático entrenado a partir de datos históricos para arrojar un pronóstico preciso de 10 días en menos de un minuto. “Creemos que esto marca un punto de inflexión en la predicción meteorológica”, afirman los autores, dirigidos por Remi Lam, científico de DeepMind.En esta carrera también está IBM, en colaboración con la NASA, con una propuesta, también de aprendizaje automático. “Los modelos fundacionales de inteligencia artificial que utilizan datos geoespaciales [meteorológicos, de sensores y de satélite] pueden cambiar las reglas del juego porque nos permiten comprender mejor, preparar y abordar los numerosos fenómenos relacionados con el clima que afectan a la salud de nuestro planeta de una manera y a una velocidad nunca vistas”, explica Alessandro Curioni, vicepresidente de Accelerated Discovery en IBM.