Los eventos climáticos extremos se están volviendo más frecuentes e intensos. Los investigadores están buscando métodos de predicción más rápidos y precisos, y la IA ofrece nuevas posibilidades.
En mayo de este año, Microsoft lanzó Aurora, una herramienta de predicción meteorológica. Paris Perdikaris, investigador de Microsoft involucrado en el proyecto Aurora, afirma: "Estas herramientas de IA son buenas para identificar patrones".
Para entrenar a Aurora, Microsoft proporcionó más de 100 millones de horas de datos climáticos, aproximadamente 16 veces el volumen del modelo GPT más reciente. Aurora ahora puede predecir la contaminación del aire global para los próximos 5 días y las condiciones meteorológicas para los próximos 10 días 5000 veces más rápido que los métodos tradicionales.
Tras la colaboración de The Weather Company con NVIDIA, una mayor potencia de cálculo ha hecho que las predicciones de IA sean más rápidas y los resultados más precisos y detallados.
El equipo de la Universidad de Villanova se centra en la predicción de tormentas. Su modelo determina el impacto de las tormentas identificando su tamaño y forma, como si formarán tornados o granizo. Con la ayuda del aprendizaje automático, el tiempo de alerta se ha adelantado de 15 minutos a 1 hora antes del evento.
La "velocidad" es la ventaja más notable de las herramientas de IA. Los modelos tradicionales de circulación atmosférica (GCM) requieren grandes cantidades de datos climáticos y supercomputadoras, consumiendo tiempo y energía. En comparación, las nuevas herramientas de predicción meteorológica basadas en IA pueden funcionar en una computadora portátil, aunque su precisión aún está por verse.
Microsoft ha indicado que Aurora estará disponible para el público en los próximos meses. Perdikaris predice que la IA podría integrarse en los flujos de trabajo meteorológicos en los próximos 2-5 años.
El nuevo modelo de Google DeepMind, "NeuralGCM", adopta un enfoque integral. Es más preciso en las predicciones climáticas de 1-10 días que los modelos de aprendizaje automático puros y algunos modelos actualmente en uso. NeuralGCM combina IA y cálculos tradicionales de dinámica de fluidos, reduciendo significativamente la demanda de potencia de cálculo mientras mantiene la precisión de las predicciones.
Aaron Hill, profesor asistente de meteorología en la Universidad de Oklahoma, cree que el aspecto más significativo de estas herramientas de IA es la reducción de la carga computacional, con el potencial de construir y calcular modelos climáticos a largo plazo y a gran escala.
En el contexto de la crisis climática, además de las agencias de predicción meteorológica, los comerciantes de materias primas, la industria de planificación agrícola y la industria de seguros están dispuestos a pagar por modelos de predicción meteorológica más rápidos y precisos, y este campo se está desarrollando rápidamente.