El nuevo modelo de Google DeepMind ya comenzó a integrarse en Search, Gemini, Maps y los servicios de Google Cloud. El sistema puede representar variables de superficie como temperatura y humedad con una resolución de hasta cinco kilómetros.
Google presentó este jueves WeatherNext 3, su nuevo modelo de inteligencia artificial para pronosticar el tiempo, capaz de incorporar datos satelitales en tiempo real y generar nuevas predicciones cada hora con un nivel de detalle considerablemente mayor al de su antecesor.
Desarrollado por Google DeepMind y Google Research, el sistema puede representar variables de superficie como temperatura y humedad con una resolución de hasta cinco kilómetros, frente a los 25 kilómetros de WeatherNext 2.
En términos generales, Google asegura que el nuevo modelo ofrece una imagen meteorológica global aproximadamente cinco veces más detallada que la generación anterior, que producía pronósticos en una cuadrícula de 25 kilómetros y con intervalos de seis horas.
La compañía también destacó que WeatherNext 3 obtuvo el mejor desempeño entre los principales modelos evaluados en tiempo real por Brightband, una organización independiente que compara sistemas de pronóstico meteorológico mediante su plataforma Operational WeatherBench.
Según informó TechCrunch, en esas pruebas superó tanto a otros modelos de IA como a sistemas tradicionales de referencia.
Datos satelitales en tiempo real para anticipar cambios rápidos
Una de las principales novedades está en la información que recibe el modelo para realizar sus predicciones.
Los modelos meteorológicos tradicionales utilizan complejas simulaciones físicas ejecutadas en supercomputadoras. Muchos sistemas de IA, incluido WeatherNext 2, se entrenan y dependen a su vez de información generada por esos modelos numéricos.
El problema, explica Google, es que esos datos pueden acumular un retraso de aproximadamente seis horas, algo especialmente relevante para fenómenos que evolucionan rápidamente, como tormentas, lluvias o cambios bruscos de temperatura.
WeatherNext 3 incorpora directamente un mosaico global de observaciones provenientes de satélites geoestacionarios, que se actualiza continuamente. Gracias a esto puede generar un nuevo pronóstico cada hora utilizando las observaciones más recientes disponibles.
También fue entrenado con mediciones procedentes de estaciones meteorológicas, lo que permite ajustar las predicciones a características regionales como costas, valles y zonas montañosas.
Según Google, este enfoque podría ser especialmente importante para América Latina, África y Asia-Pacífico, regiones donde históricamente resultó más costoso disponer de modelos regionales de alta resolución debido a la infraestructura informática necesaria.
Un salto en la predicción de lluvia y nieve
Otro de los principales objetivos de WeatherNext 3 fue mejorar los pronósticos de precipitaciones, una de las variables más difíciles de anticipar con precisión.
Para entrenarlo, Google utilizó datos del sistema satelital IMERG de la Nasa, además de un conjunto propio de información global de precipitaciones elaborado a partir de radares y satélites.
La compañía informó mejoras de hasta un 60% en determinadas métricas de precisión frente a IMERG, del 30% frente al sistema estadounidense MRMS y del 10% respecto de mediciones realizadas mediante pluviómetros durante los primeros períodos de pronóstico.
Para los usuarios de los productos de Google, la empresa sostiene que los pronósticos de precipitaciones con uno o más días de anticipación pueden ser hasta un 50% más precisos, con las mayores mejoras en regiones donde tradicionalmente las predicciones fueron menos confiables.
De Gemini y Maps a la producción de energía renovable
WeatherNext 3 no quedará limitado a los laboratorios de DeepMind. Desde este jueves comenzó a incorporarse a Google Search, Gemini, Google Maps, Google Maps Platform y Google Earth Engine. Sus datos también estarán disponibles para investigadores, desarrolladores y empresas mediante Google Cloud.
El modelo incorpora además variables específicamente diseñadas para la industria de las energías renovables.
Puede pronosticar la velocidad del viento a unos 100 metros de altura, aproximadamente donde se encuentran las turbinas eólicas, y estimar la cobertura de nubes y la radiación solar con mayor resolución. Esto permitiría anticipar mejor cuánta electricidad pueden generar parques eólicos y solares y ajustar esa producción a la demanda.
El avance se suma a una serie de modelos con los que Google viene intentando aplicar inteligencia artificial a la meteorología. En agosto, la compañía presentó resultados de WeatherNext para anticipar la trayectoria e intensidad de ciclones tropicales, con los que aseguró conseguir aproximadamente un día adicional de precisión frente a sistemas anteriores.
Google reconoce, sin embargo, que la atmósfera conserva inevitablemente un grado de imprevisibilidad y aclara que WeatherNext 3 no reemplaza las alertas meteorológicas oficiales. Para advertencias sobre fenómenos severos y cuestiones de seguridad pública, recomienda consultar siempre a los servicios meteorológicos nacionales.