La inteligencia artificial revoluciona pronóstico del clima, en el futuro será más preciso y detallado Milenio

La era de las predicciones meteorológicas operadas por computadora comenzó para la Oficina Meteorológica del Reino Unido (conocida como Met Office) en 1965, con un procesador del tamaño de una habitación llamado Comet.
Seis décadas después, el meteorólogo nacional del país forma parte de otra revolución tecnológica, esta vez impulsada por lainteligencia artificial (IA).
La IA le pone turbo a las predicciones de los patrones siempre cambiantes de nubes, precipitaciones y temperatura, que se representan dinámicamente en una pantalla gigante en la sede de la organización en la ciudad de Exeter, en el suroeste del país.
“Vemos el potencial de un cambio radical real… en la forma en que predecimos, que en cierto modo es similar a cuando empezamos a usar computadoras”, dice Kirstine Dale, directora de IA de la Met Office, citando el rápido crecimiento de la cantidad de datos, la capacidad de procesamiento y los modelos para procesarlos.
“Todo se ha vuelto más grande, y las posibilidades también se volvieron mucho mayores”.
La capacidad de la IA para detectar patrones en vastas reservas de datos convierte los complejos sistemas de la física atmosférica en una oportunidad ideal para experimentar con esta tecnología.
Unos pronósticos y alertas de condiciones meteorológicas extremas más precisos podrían mejorar la seguridad y la salud pública, a la vez que aumentan la eficiencia de la economía mundial.
La IA tiene el poder de hacer que las proyecciones de patrones climáticos futuros sean más precisas y detalladas, abriendo nuevas posibilidades para grupos que van desde agricultores hasta compañías financieras.
La tecnología “avanza en la escala temporal” después de que ya redefinió la “predicción inmediata”, o la predicción superprecisa de las siguientes horas, dice Richard Turner, profesor de aprendizaje automático de la Universidad de Cambridge.
“Se ha visto cómo el rango medio –de tres a 15 días– empieza a transformarse.
Y ahora avanzamos hacia el rango subestacional”, o aproximadamente de dos semanas a dos meses, añade Turner, quien trabaja en modelos meteorológicos de IA en el Alan Turing Institute del Reino Unido.
Las oportunidades atraen importantes inversiones de compañías de tecnología como Google DeepMind, Nvidia, Microsoft, IBM y startups especializadas en IA meteorológica, como Brightband y Silurian, con sede en Estados Unidos (EU).
Organizaciones de todo el ecosistema de predicción meteorológica se preocupan por cómo aplicar la IA de la mejor manera posible para mejorar nuestra comprensión del tiempo.
Entre ellas se incluyen oficinas meteorológicas públicas –algunas, como la Met Office del Reino Unido, que datan del siglo XIX– así como universidades y empresas especializadas como AccuWeather, The Weather Company y DTN.
Estas proporcionan pronósticos personalizados a usuarios de sectores que van desde la energía hasta la construcción, la agricultura, el transporte, el comercio minorista y el turismo, y al público en general a través de los medios de noticias.
Un recorte del pronósticoPero el panorama generalmente optimista se oscureció por la amenaza de una reducción del acceso a los datos de los que dependen los modelos de IA.
La administración de Donald Trump busca realizar fuertes recortes en el financiamiento y dotación de personal de la Administración Nacional Oceánica y Atmosférica (NOAA, por sus siglas en inglés), la agencia federal que se dedica a comprender y predecir los cambios en el clima, el tiempo, los océanos y las costas.
Los satélites, las boyas oceánicas, los globos y los radares de la NOAA son una importante fuente de datos, todos ellos de libre acceso para meteorólogos de todo el mundo y que se utilizan en los modelos de pronóstico mundial.
El presupuesto para 2026 que propone el presidente Donald Trump recortaría el financiamiento de la NOAA en mil 500 millones de dólares, o 24 por ciento.
Desde que asumió el cargo en enero, 550 empleados dejaron su división de pronóstico, el Servicio Meteorológico Nacional.
Este mes, los cinco exdirectores vivos firmaron una carta abierta advirtiendo que los recortes dejan a las oficinas locales de pronóstico en EU con una grave escasez de personal, lo que podría provocar una pérdida innecesaria de vidas.
Al mismo tiempo, algunos temen que el aumento de las tensiones geopolíticas pueda amenazar la libre circulación de datos meteorológicos públicos de los que dependen los meteorólogos mundiales.
Aunque todos en meteorología lamentan la posible pérdida de datos de la NOAA, algunos señalan un factor compensatorio.
la perspectiva de nuevas fuentes de información.
La siguiente generación de modelos de IA podría mejorar la precisión al incluir grandes cantidades de datos de sensores meteorológicos locales, como termómetros y pluviómetros, que actualmente no están incorporados en los sistemas de predicción mundial.
“De repente, nos encontramos en una situación en la que se puede instalar un nuevo sensor e integrarlo en el modelo muy rápidamente”, afirma Scott Hosking, quien trabaja en predicción meteorológica en el Alan Turing Institute.
Hosking estima que actualmente existen entre 20 y 30 modelos meteorológicos de IA diferentes en diversas etapas de desarrollo, de los cuales, algunos son operados por meteorólogos.
“Dentro de un año, habrá muchos más”, añade.
“Es realmente notable la rapidez con la que esto ha superado, al menos, la parte de nuestra ciencia relacionada con la predicción meteorológica”, dice Peter Neilley, vicepresidente sénior de operaciones científicas y de predicción de The Weather Company, una de las compañías de predicción líderes a nivel mundial.
“Realmente ocurrió en los últimos cinco años y su ritmo se está acelerando”.
Una predicción del tiempo en trayectoriaHasta hace poco, los pronósticos meteorológicos dependían en gran medida de la predicción numérica del tiempo, que consiste en introducir millones de observaciones a nivel mundial en tiempo real procedentes de satélites y sensores terrestres, marítimos y aéreos en supercomputadoras y procesarlas con ecuaciones basadas en la física.
Este proceso se puede dividir en dos pasos.
El primero es la asimilación de datos, que prepara una estimación del estado de la atmósfera, seguido de la etapa de pronóstico, que realiza predicciones sobre lo que va a ocurrir después.
La generación pionera de sistemas meteorológicos de IA, que entra en operación todavía requiere una asimilación de datos con un uso intensivo de computación, pero posteriormente utilizan el aprendizaje automático para ejecutar el modelo en el tiempo.
Los primeros resultados han sido positivos.
El Centro Europeo de Previsiones Meteorológicas a Medio Plazo (CEPPM), una organización intergubernamental con sede en Reading, Reino Unido, dice que su primer modelo operativo de IA, que se lanzó en febrero, mejoró la precisión en aproximadamente 20 por ciento en indicadores clave, como la predicción de la trayectoria de los ciclones tropicales, lo que proporciona un valioso tiempo de alerta adicional.
Florence Rabier, directora general del CEPPM, cree que la nueva tecnología de IA se basará en las enormes mejoras en la precisión de los pronósticos logradas en las últimas décadas, a medida que las computadoras se volvieron cada vez más potentes y los datos meteorológicos más abundantes.
Las predicciones con siete días de antelación ahora igualan la calidad de las de cinco días en el año 2000 y de tres días en 1980.
Existen ramificaciones globales, señala.
“A finales del siglo XX, podíamos predecir el clima mucho mejor en el hemisferio norte que en el sur porque allí había muchas más observaciones”, dice Rabier.
“Desde principios de la década de 2000, se dispone de datos satelitales más avanzados y la brecha de precisión entre los hemisferios desapareció”.
Pero está surgiendo una segunda generación de sistemas experimentales de IA “de extremo a extremo”, que podría ofrecer posibilidades aún más emocionantes.
Estas nuevas iteraciones prescinden de la asimilación de datos y, en su lugar, trabajan directamente con observaciones sin procesar de satélites, estaciones meteorológicas y otros sensores para generar pronósticos tanto mundiales como locales.
En marzo, un equipo del Instituto Turing, en colaboración con el CEPPM y otros socios, publicó los detalles de un sistema experimental integral llamado Aardvark, tan eficiente en su uso de energía que puede ejecutarse en computadoras de escritorio en lugar de supercomputadoras.
Alrededor de diez grupos de investigación de todo el mundo, pertenecientes a compañías de tecnología y al sector público, están desarrollando sus propios modelos integrales, y es probable que muchos más se unan pronto, dice Hosking, de Turing.
Sus resultados prometen “democratizar” aún más los pronósticos meteorológicos, especialmente en países en desarrollo y regiones con escasez de datos, donde se pueden añadir observaciones locales a los pronósticoscon requisitos de computación relativamente modestos.
Dado que los modelos de IA se entrenan con muchos años de observaciones pasadas, existen ciertas dudas sobre su eficacia en el futuro, especialmente a medida que cambia el clima, afirma Florian Pappenberger, subdirector del CEPPM.
Sin embargo, rechaza estas críticas.
“Demostramos que un modelo de aprendizaje automático puede predecir fenómenos extremos e inusuales, como las precipitaciones récord en los Emiratos Árabes Unidos el año pasado y las nevadas en Nueva Orleans este año”, dice.
“El aprendizaje automático aprende sobre la física en general y no solo sobre patrones análogos pasados en un lugar determinado, por lo que es mucho más potente de lo que algunos dicen”Lluvia de datos para predicciones meteorológicasLa llamada “técnica de conjuntos” ya mejoró las predicciones meteorológicas numéricas.
Esto implica ejecutar el modelo informático muchas veces desde condiciones iniciales ligeramente diferentes, en lugar de producir un único pronóstico “determinista”.
Esta variación proporciona a los meteorólogos información esencial sobre el nivel de incertidumbre y el rango de posibles resultados.
Sin embargo, esta práctica requiere tantos recursos que resulta poco práctico producir conjuntos con más de 50 pronósticos diferentes, dice Dion Harris, director de soluciones aceleradas para centros de datos de Nvidia, la empresa estadunidense líder en chips.
Aquí es donde la IA puede ser útil, añade Harris.
“Usando técnicas de IA, se pueden crear literalmente miles de conjuntos, lo que se traduce en una mucho mejor comprensión de los posibles resultados y ayuda a obtener un indicio más temprano de eventos extremos”.
Sin embargo, para que la nueva ola de modelos de IA alcance su potencial, será esencial un flujo mejorado de observaciones meteorológicas.
La mayoría de los datos brutos aún provienen del sector público, a través de meteorólogos y operadores de satélites como la NOAA y la Organización Europea para la Explotación de Satélites Meteorológicos, y se comparten gratuitamente en todo el mundo.
“El nivel de intercambio de datos a nivel internacional ha sido fantástico.
Por ejemplo, se pueden obtener datos de satélites chinos”, dice Turner, de Cambridge.
“Todas las observaciones se almacenan en un repositorio, ya que ayudan a los sistemas de pronóstico de todos los demás y permiten que se envíen datos recíprocos".
Cualquier reducción en la disponibilidad global de datos, ya sea por las crecientes tensiones geopolíticas o por los recortes en las actividades de NOAA por parte de la administración Trump, “es una gran preocupación”, dice Turner.
"Sorprendentemente, en mi opinión, la comunidad todavía no se percata de este peligro… sí, existe una enorme preocupación al respecto y creo que los recortes son muy peligrosos en un momento en que el clima está cambiando drásticamente”.
Algunas personas en el sector público están considerando maneras de proteger, o mejorar, la forma en que se recopilan los datos.
Con el rápido descenso del precio de construir, lanzar y operar satélites de observación en órbita terrestre baja, las empresas meteorológicas privadas empiezan a invertir en sus propios grupos o constelaciones de satélites.
Tomorrow.
io, una startup de Boston, dice que lanzó dos satélites de radar y siete satélites de sondeo por microondas que detectan la lluvia y la nieve a través de las nubes.
La compañía, que ya recaudó 300 mdd de inversionistas desde su fundación en 2016, planea lanzar cuatro sondas más este año y seguir ampliando su constelación el próximo año.
Cada satélite de microondas pesa tan solo 12 kilogramos y cuesta menos de 10 mdd, incluyendo el lanzamiento, dice Shimon Elkabetz, director ejecutivo de Tomorrow.
io.
“Cuando empezamos, todos decían que sería demasiado caro construir nuestra propia constelación, pero la nueva economía espacial nos permite hacer cosas que antes no eran posibles”.
Sin embargo, Elkabetz dice que, si bien las empresas privadas podrían ayudar a aumentar la “eficiencia y el impacto” de los pronósticos del sector público, no pueden sustituir a las grandes agencias nacionales como NOAA.
La IA transforma, pero no reemplazaA pesar de todo su potencial, los meteorólogos todavía no están seguros de cómo la IA revolucionará los pronósticos meteorológicos.
En algunos criterios, como la predicción de la intensidad de las tormentas, el rendimiento de la IA todavía no está a la altura de los mejores sistemas meteorológicos numéricos.
La imprevisibilidad intrínseca de la atmósfera impide realizar pronósticos diarios, precisos y detallados más allá de unas dos semanas, independientemente de la tecnología, afirma Robert Lee, meteorólogo de la Universidad de Reading, que investiga patrones meteorológicos subestacionales.
“Pero podríamos predecir que habrá un periodo de algunos días con condiciones de tormenta o algunos días con condiciones frías invernales”.
Poder ser capaces de ver hacia el futuro a más largo plazo conlleva enormes beneficios.
Sería especialmente útil a medida que los países se vuelven más dependientes de sistemas de energía limpia que dependen del clima, como la eólica o la solar.
“Aunque no se sepa exactamente qué día hará más frío, conviene saber que habrá una semana de frío para asegurarse de no tener escasez de energía”, dice Lee.
“Tal vez convenga comprar suministros de gas en el mercado de futuros como medida de precaución”.
Al mismo tiempo, después de un aviso temprano de la llegada de lluvias y viento, “tal vez convenga vender sus futuros de gas porque habrá más generación eólica y menos demanda de energía”, añade.
“Así es como algunos fondos de cobertura ganan dinero.
Contratan a muchos de nuestros graduados (en meteorología)”.
Los defensores de la inteligencia artificial dicen que otra gran ventaja sobre los métodos tradicionales es que permite realizar predicciones muy detalladas sobre ubicaciones específicas.
Mediante IA generativa, el sistema CorrDiff de Nvidia puede optimizar la precisión de los datos de los modelos numéricos convencionales desde 25 kilómetros hasta 2 kilómetros.
CorrDiff originalmente se entrenó con datos de Taiwán, donde ahora se utiliza operativamente para alertas meteorológicas severas.
Se adaptó a la parte continental de EU y se va a desplegar en otras partes del mundo, afirma Harris.
En la Met Office del Reino Unido, la jefa de IA, Dale, dice que los pronósticos a escalas tan pequeñas como 100 metros es un objetivo viable, y se realizó para un estudio de predicciones de temperatura hiperlocales publicado el año pasado.
“Es como la previsión a nivel de calle”, dice.
Un mayor detalle de los pronósticos permitiría a las empresas ofrecer nuevos servicios a sus clientes, dice Neilley, de The Weather Company.
Unas mejores alertas sobre la proximidad de tormentas eléctricas darían a los aeropuertos más tiempo para planear los despegues y aterrizajes de los aviones.
Aunque algunos temen que los modelos de inteligencia artificial con uso intensivo de datos consuman cada vez más energía, el impacto ambientala largo plazo de la previsión con IA es matizado.
Sus efectos dependerán del equilibrio entre el consumo energético necesario para generar y difundir las previsiones y el ahorro energético que hace posible.
Y, al igual que en otros sectores, el debate sobre la IA y una mayor automatización también adquiere un carácter existencial.
Si el mundo empieza a depender de la inteligencia artificial para predecir el tiempo, ¿qué papel les queda a los meteorólogos?Los funcionarios de la Met Office dudan que el ascenso de la IA acabe con el empleo de personas que interpretan fenómenos que van desde las inundaciones hasta la meteorología espacial.
Los meteorólogos seguirán siendo necesarios, dicen, tal vez más que nunca.
Tendrán que resolver las diferencias entre modelos de IA en pugna.
Mantendrán un papel vital a la hora de contextualizar las cifras brutas de los pronósticos y comunicar los niveles de riesgo y las medidas de mitigación sugeridas.
Seguirá siendo necesario recopilar datos brutos y, en algunos casos, verificarlos para tener en cuenta las anomalías.
La propia Met Office tuvo que anular una temperatura “récord” en Escocia establecida en 2018 porque el sensor estaba cerca de un camión de helados.
Dale, directora de IA de la Met Office, argumenta que la tecnología está transformando nuestra comprensión del clima, pero como un poderoso aliado de los métodos de predicción ya consolidados, más que como una alternativa.
“Veo una relación cada vez más simbiótica”, dice.
“Necesitamos que trabajen juntos en equipo”.
GSC