Investigadores de Google DeepMind han creado un modelo de aprendizaje automático llamado GenCast, diseñado para hacer previsiones meteorológicas probabilísticas más precisas. Este modelo se basa en los datos actuales y futuros para mejorar los pronósticos, superando las previsiones tradicionales de medio alcance, y destacando en la predicción de fenómenos extremos, ciclones tropicales y la producción de energía eólica.
El artículo sobre el modelo fue publicado este miércoles en Nature. Las previsiones meteorológicas precisas son fundamentales para la toma de decisiones en diversas áreas, desde acciones cotidianas como llevar un paraguas, hasta la planificación ante fenómenos extremos o la gestión de la energía eólica.
Tradicionalmente, las previsiones se basan en modelos numéricos que mapean el tiempo actual para prever el futuro, lo que genera múltiples escenarios posibles. Por su parte, GenCast utiliza aprendizaje automático para generar pronósticos probabilísticos, basados en estados meteorológicos actuales y pasados.
El equipo entrenó el modelo utilizando 40 años de datos meteorológicos (de 1979 a 2018). Con este entrenamiento, GenCast es capaz de generar previsiones globales de hasta 15 días, cada 12 horas, para más de 80 variables atmosféricas en tan solo 8 minutos. Comparado con el modelo del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ENS), GenCast superó al ENS en el 97,2% de los 1.320 objetivos evaluados.
Además, GenCast es más preciso en la predicción de condiciones extremas y fenómenos como los ciclones tropicales y la energía eólica. Los investigadores sostienen que su modelo puede mejorar la eficiencia de las previsiones meteorológicas, facilitando una mejor planificación.
Ernesto Rodríguez-Camino, meteorólogo de la Asociación Meteorológica Española, destacó que las grandes tecnológicas como Google están avanzando significativamente en la calidad de las predicciones, superando incluso al modelo IFS del ECMWF, que es una referencia mundial. Aunque los modelos anteriores se centraban en predicciones deterministas, GenCast da un paso adelante al generar predicciones probabilísticas, mejorando los sistemas de predicción por conjuntos y destacando en la predicción de fenómenos extremos.
El meteorólogo también señaló que, aunque GenCast utiliza reanálisis basado en métodos tradicionales, el modelo es muy eficiente desde el punto de vista computacional. En el futuro, podrían surgir sistemas híbridos que combinen los enfoques de modelos físicos y de datos, optimizando las predicciones y los recursos en la predicción por conjuntos.
