• El programa de IA GraphCast de DeepMind predijo correctamente la llegada del huracán Beryl a Texas, superando los métodos de predicción tradicionales.
  • La tecnología ofrece predicciones meteorológicas rápidas y precisas, transformando potencialmente las prácticas globales de pronóstico del tiempo.

NUESTRA OPINIÓN
El éxito de modelos de IA como GraphCast en la predicción de la trayectoria del huracán Beryl ilustra avances significativos en la predicción meteorológica. Este nuevo enfoque no solo acelera los tiempos de predicción, sino que también mejora la precisión, ofreciendo información valiosa que podría mejorar la preparación y respuesta ante desastres.
— Zoey Zhu, reportera de BTW

Qué sucedió

Mientras el huracán Beryl se acercaba al Caribe a principios de julio, las agencias meteorológicas tradicionales europeas predijeron posibles llegadas a tierra en México basándose en extensos datos globales y supercomputadoras. Sin embargo, un modelo de IA desarrollado por DeepMind, conocido como GraphCast, proporcionó una predicción alternativa de llegada a tierra en Texas, basándose únicamente en patrones atmosféricos aprendidos previamente.

Beryl azotó Texas con efectos devastadores, causando inundaciones, cortes de energía y al menos 36 muertes el 8 de julio. El pronóstico preciso del modelo de IA, generado en minutos, destacó un cambio hacia predicciones meteorológicas más rápidas y precisas. GraphCast superó a los modelos tradicionales del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) al predecir la trayectoria de la tormenta con mayor precisión.

Este desempeño subraya el creciente potencial de la IA en la predicción meteorológica, ya que GraphCast fue entrenado con cuatro décadas de datos meteorológicos y podía generar pronósticos más rápido que las supercomputadoras convencionales.

Lea también: TSMC eleva su previsión de ingresos en una apuesta confiada por el auge de la IA

Lea también: La IA pronosticó al campeón de la Premier League, ¿pero fue solo suerte?

Por qué es importante

La predicción meteorológica impulsada por IA representa un cambio transformador en la meteorología. La predicción tradicional se basa en supercomputadoras y extensas entradas de datos, lo que puede llevar mucho tiempo y ser menos adaptable a condiciones que cambian rápidamente. En contraste, modelos de IA como GraphCast ofrecen predicciones más rápidas y precisas al aprender de datos históricos y reconocer patrones con alta precisión.

La velocidad y precisión de la predicción con IA podrían mejorar enormemente la preparación y respuesta ante desastres, salvando potencialmente vidas y mitigando daños durante eventos climáticos severos. Por ejemplo, pronósticos más rápidos pueden conducir a evacuaciones más oportunas y decisiones de seguridad pública mejor informadas. Además, los modelos de IA pueden ejecutarse en computadoras de escritorio estándar, haciendo que la predicción meteorológica avanzada sea más accesible en comparación con las costosas supercomputadoras utilizadas tradicionalmente.

Esta accesibilidad podría democratizar la predicción meteorológica y permitir un uso más amplio de tecnologías predictivas avanzadas.