Uno de los segmentos en todo noticiario o programa de televisión que se rehúsa a morir es el del clima o el estado del tiempo. Ahí meteorólogos entregan sus pronósticos sobre las condiciones de los próximos horas y días, apoyados generalmente con aplicaciones muy populares como Windy o AccuWeather.
Lo cierto es que Google quiere destronar el trabajo de la meteorología, ya que una investigación sugiere que su nuevo robot de IA llamado GraphCast, tiene un 90% de posibilidades de apuntar en un pronóstico.
El modelo de aprendizaje automático promete predicciones de 10 días que son mejores, más rápidas y más eficientes energéticamente que las herramientas que ejecutan su aplicación meteorológica actual.
«Creemos que esto marca un punto de inflexión en el pronóstico del tiempo», escribieron los investigadores de Google en un estudio publicado el martes.
El nuevo sistema GraphCast trabaja esencialmente con datos históricos y los mezcla con información específica climática.
GraphCast comienza con el estado actual del clima de la Tierra y los datos sobre el clima hace seis horas. Luego, hace una predicción sobre cómo será el clima dentro de seis horas. A continuación, GraphCast devuelve esas predicciones al modelo, realiza el mismo cálculo y arroja pronósticos a más largo plazo.
El equipo de Google comparó los resultados de GraphCasts con el modelo actual que se utiliza para la predicción meteorológica a medio plazo, llamado HRES. Según el estudio, GraphCast superó «significativamente» a HRES en el 90% de los objetivos utilizados en la prueba.
GraphCast también tuvo un éxito sorprendente en la predicción de fenómenos meteorológicos extremos, incluidos ciclones tropicales y cambios de temperatura extraños, a pesar de que no estaba específicamente entrenado para manejarlos.
Eso sí un alivio para los meteorólogos:
«Nuestro enfoque no debe considerarse como un reemplazo de los métodos tradicionales de pronóstico del tiempo», escribieron los autores del estudio. «Más bien, nuestro trabajo debe interpretarse como evidencia de que [la predicción meteorológica de aprendizaje automático] es capaz de enfrentar los desafíos de los problemas de pronóstico del mundo real y tiene potencial para complementar y mejorar los mejores métodos actuales».
