Un grupo de investigadores acaba de plantear una opción de lo más llamativa: democratizar la meteorología. Su nuevo sistema de predicción meteorológica desafía los sistemas tradicionales, muy costosos en recursos computacionales, y hacen uso de la IA para que (casi) cualquiera de nosotros se pueda convertir en un meteorólogo que realice sus propias predicciones personalizadas.
Aardvark Weather. Así se llama un nuevo sistema de predicciones meteorológicas que según sus responsables convertirá a cualquier investigador con un PC de escritorio en un meteorólogo en toda regla. El sistema hace uso de algoritmos de IA y plantea una alternativa a los sistemas convencionales que usan miles de veces más capacidad de cómputo.
Predicciones (casi) caseras. Lo normal es que una plataforma de previsión meteorológica tarde varias horas en procesar un pronóstico. Para ello necesita además supercomputadoras y un equipo de expertos que desarrollan, mantienen y despliegan esos sistemas de previsiones. Aardvark Weather permite entrenar un modelo de IA con datos procedentes de estaciones meteorológicas, satélites, barcos o aviones en todo el mundo para luego hacer predicciones basándose en esos datos.
La investigación. El estudio publicado en Nature esta semana procede de un grupo de investigadores de la Universidad de Cambridge, el Instituto Alan Turing, Microsoft Research y el European Centre for Medium-Range Weather Forecasts (ECMWF). En él explican cómo la predicción meteorológica numérica (NWP por sus siglas en inglés) está siendo reemplazada por el aprendizaje automático y redes neuronales que permiten "mejorar la velocidad y precisión" de la predicción.
Previsiones hiperlocalizadas. Entre otras cosas el sistema permitiría ofrecer previsiones hiperlocalizadas y adaptadas a industrias específicas. Richard Turner, profesor de aprendizaje automático en la Universidad de Cambridge, explicaba en The Guardian cómo este modelo podría usarse para predecir las temperaturas para los cultivos agrícolas de zonas de África o las velocidades del viento para una empresa de energía renovable en Europa.
El tiempo en los próximos ocho días. Turner añade que el modelo podría en el futuro ser capaz de generar previsiones precisas para un rango de hasta ocho días en el futuro, cuando lo normal es que las previsiones precisas solo se puedan garantizar a cinco días.
Rápido como el rayo. Este sistema es capaz de generar una previsión completa a partir de datos observacionales en un segundo al procesarlo en cuatro GPUs NVIDIA A100, cuando normalmente se tardan 1.000 horas-nodo en el modelo HRES del ECMWF.
Ideal para países en desarrollo. Hay regiones en las que este tipo de previsiones son especialmente importantes, y contar con un sistema "personalizado" sería muy útil. Aardvark Weather ofrece esa opción según sus creadores, porque tanto su implantación como su uso es mucho más accesible.
Intentos previos. A finales de 2023 DeepMind precisamente anunció GraphCast, un sistema de predicción meteorológica basado en IA que tenía una operativa hasta 1.000 veces más barata en consumo de energía. Su precisión era de hecho mayor que el mejor de los sistemas actuales, pero no parece que el desarrollo haya sido implantado en la práctica. Hace unos meses los investigadores de DeepMind presentaron su evolución, llamada GenCast, otro sistema de predicción basada en aprendizaje automático que mejoraba a su predecesor y que desde luego compite con Aardvark Weather. Todo apunta por tanto a que este tipo de sistemas están ganando terreno e interés, pero queda por ver si se aplican masivamente.
Imagen | Brian McGowan
En Xataka | La predicción meteorológica va a mejorar mucho en España: AEMET ha invertido 25 millones de euros en ello
Ver 3 comentarios
3 comentarios
jozeico
Previsión para 8 días no es difícil, lo difícil es la certidumbre de la previsión. Por mucho que lo haga la IA, la meteorología es caótica
Xavizzz
La predicción meteorológica no se ha hecho de una sola forma, se han probado y se prueban nuevas formas cada día.
Desde el que se guía por lo que predice una marmota, hasta el que prueba un algoritmo nuevo.
Lo que importa al final es el resultado del sistema de predicción.
Si lo de la marmota hubiese ido bien sería nuestro método… pero como no acierta, igual que tantos otros métodos estadísticos, nos vamos quedando con los que tienen una probabilidad más alta de acertar. Pero SIEMPRE hay gente mirando de mejorarlo.
Por qué el modelo de DeepMind no se ha implementado??? Si acierta más y es más barato?? Por que al final y de manera general o no es más barato o no acierta más… simple y llanamente.
Azote
4 GPU's Nvidia A100, no son ni mucho menos lo más puntero, que ya tienen cerca de 5 años...