Una IA de Google hizo pronósticos meteorológicos más precisos que los métodos tradicionales - RED/ACCIÓN

Una IA de Google hizo pronósticos meteorológicos más precisos que los métodos tradicionales

 Una iniciativa de Dircoms + RED/ACCION

Frente al Pronóstico de Alta Resolución (HRES), uno de los referentes en la materia, la tecnología GraphCast predijo mejor más del 90 % de las 1.380 variables de prueba y plazos de entrega previstos. La industria ya comenzó a probar esta herramienta de Google.

Una IA de Google hizo pronósticos meteorológicos más precisos que los métodos tradicionales

La IA solo necesita dos conjuntos de datos: el estado del tiempo hace 6 horas y el estado actual. Luego, predice el tiempo dentro de 6 horas. Este proceso puede repetirse en incrementos de 6 horas para obtener previsiones meteorológicas de hasta 10 días de antelación. Fuente: Google DeepMind en X.

Google publicó GraphCast, su nueva herramienta con inteligencia artificial para predecir el tiempo con mayor precisión y mucho más rápido que uno de los sistema de simulación meteorológica estándar de la industria: el Pronóstico de Alta Resolución (HRES), producido por el Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF).

De acuerdo con este artículo publicado en la revista Science, la nueva tecnología de Google predice cientos de variables meteorológicas en menos de un minuto. Sus previsiones tienen mejor predicción de fenómenos graves, como ciclones tropicales y temperaturas extremas, que los métodos tradicionales. Frente al HRES, GraphCast proporcionó predicciones más precisas en más del 90 % de las 1.380 variables de prueba y plazos de entrega previstos.

Fuente: GoogleDeepMind en X.

¿Cómo se realizan los pronósticos hoy? Los expertos utilizan la predicción meteorológica numérica (NWP, por sus siglas en inglés) y emplean ecuaciones físicas que luego se traducen a algoritmos ejecutados en computadoras, según este artículo de BAE Negocios.

¿Qué cambia con GraphCast? Se entrena con décadas de datos meteorológicos históricos para aprender un modelo de las relaciones causa-efecto que rigen la evolución del tiempo en la Tierra, desde el presente hasta el futuro. De esta manera, puede predecir cinco variables de la superficie de la Tierra (incluidas la temperatura, la velocidad y dirección del viento y la presión media al nivel del mar) y seis variables atmosféricas en cada uno de los 37 niveles de altitud, incluida la humedad específica, la velocidad y dirección del viento, y temperatura según esta nota del blog de Google.

Para hacer que el pronóstico del tiempo basado en IA sea más accesible, los expertos publicaron bajo una licencia abierta el código de GraphCast. Además, ECMWF ya se encuentra experimentando con los pronósticos de 10 días de GraphCast.