Google DeepMind ha dado un paso significativo en el campo de la predicción meteorológica con el lanzamiento de su nuevo modelo de inteligencia artificial, GenCast, considerado actualmente el más avanzado en esta área.

Publicado en la revista Nature, GenCast promete superar a los sistemas meteorológicos más precisos existentes, marcando un nuevo estándar en el uso de IA para anticipar el comportamiento del clima.

¿Qué es GenCast y cómo funciona?

GenCast utiliza exclusivamente métodos de inteligencia artificial, diferenciándose de su predecesor NeuralGCM, presentado por Google en julio de 2023.

Mientras que NeuralGCM combinaba técnicas basadas en física con enfoques de IA para lograr resultados comparables a los métodos convencionales, GenCast se basa únicamente en IA. Su funcionamiento es similar al de modelos generativos como ChatGPT, pero en lugar de predecir palabras, anticipa condiciones climáticas probables.

El modelo fue entrenado con 40 años de datos meteorológicos históricos (de 1979 a 2018) para generar pronósticos del año 2019. Los resultados son impresionantes: GenCast superó al Ensemble Forecast System (ENS), el mejor sistema actual, en un 97% de los casos.

Además, demostró una mayor precisión al predecir condiciones extremas, como trayectorias de ciclones tropicales, y factores clave como la intensidad del viento, lo cual puede potenciar la eficiencia de las energías renovables como la eólica.

¿Qué diferencia a GenCast de otros modelos de IA meteorológica?

Google no está solo en la carrera de la predicción climática mediante IA. Empresas como Nvidia y Huawei han desarrollado sus propias tecnologías, como FourCastNet en 2022 y Pangu-Weather en 2023.

No obstante, GenCast destaca por ofrecer pronósticos probabilísticos, lo que lo hace más flexible y útil para planificar ante incertidumbres. Por ejemplo, en lugar de dar un dato exacto como «mañana habrá 30 °F», GenCast plantea escenarios como: “hay un 40% de probabilidad de que la temperatura alcance 30 °F”.

Este enfoque probabilístico contrasta con los modelos deterministas como Pangu-Weather, que ofrecen predicciones exactas pero carecen de un rango de posibilidades, limitando su aplicabilidad en la planificación de eventos extremos o inciertos.

Limitaciones y el rol de la meteorología tradicional

Aunque los avances de GenCast son impresionantes, no eliminan la necesidad de la meteorología convencional. Según expertos, como Aaron Hill de la Universidad de Oklahoma, GenCast depende de datos históricos generados con modelos físicos, como el conjunto de datos ERA5. Esto implica que cualquier modelo de IA entrenado con datos pasados podría perder precisión en un clima cada vez más errático.

Además, GenCast enfrenta desafíos para estimar condiciones en la troposfera superior y para predecir la intensidad de los ciclones tropicales, ya que no cuenta con suficiente información sobre estas variables en sus datos de entrenamiento. Por ello, su efectividad a largo plazo dependerá de actualizaciones constantes y del trabajo conjunto con meteorólogos humanos.

El futuro de la predicción meteorológica con IA

Google DeepMind planea explorar nuevas formas de incorporar datos observacionales en tiempo real, como lecturas de viento o humedad, para mejorar la precisión de GenCast. La visión a largo plazo es un modelo híbrido donde la IA y los expertos humanos trabajen en conjunto.

GenCast marca un antes y un después en la aplicación de la inteligencia artificial a la meteorología, ofreciendo mayor precisión y nuevas posibilidades para enfrentar los desafíos del cambio climático. Sin embargo, su integración con enfoques tradicionales será clave para maximizar su potencial y garantizar pronósticos más confiables en un mundo donde el clima es cada vez más impredecible.