Por Canuto  

El modelo WeatherNext de DeepMind ha demostrado una capacidad única para predecir huracanes con precisión, dando a los pronosticadores un día extra de preparación. La historia del huracán Melissa revela cómo la IA está transformando la meteorología.
***

  • El modelo WeatherNext de DeepMind predijo el huracán Melissa con 80% de confianza cinco días antes.
  • En promedio, la IA ofrece un día más de anticipación que los modelos tradicionales.
  • DeepMind abrirá el código fuente del modelo para que la comunidad científica lo utilice.

En octubre de 2025, una tormenta se gestó sobre el mar Caribe. Los modelos meteorológicos diferían en su trayectoria.

¿Permanecería débil y terminaría en Haití, o se intensificaría y se dirigiría a Jamaica? El modelo de inteligencia artificial WeatherNext, desarrollado por DeepMind de Google y Google Research, se decantó por lo segundo.

Cinco días antes de tocar tierra, predijo con un 80 % de confianza que el sistema de tormentas azotaría Jamaica como huracán de categoría 5.

El huracán Melissa fue catastrófico, causando inundaciones y deslizamientos de tierra en toda Jamaica. Pero el modelo de IA ayudó a los pronosticadores a dar una advertencia más temprana a las comunidades en su camino.

Un artículo publicado en Nature muestra que el modelo de IA WeatherNext puede predecir ciclones con una precisión sin precedentes. En promedio, da a los pronosticadores un día más de anticipación que los modelos existentes.

El acierto que sorprendió a la ciencia

Según Ars Technica, los resultados superaron las expectativas de los propios investigadores. Cuando probaron el modelo con datos retrospectivos, “los resultados fueron tan buenos que éramos escépticos de que realmente lo veríamos en la demostración en tiempo real”, dijo Kate Musgrave, líder del grupo de ciclones tropicales en el Instituto Cooperativo de Investigación en la Atmósfera.

Cuando los pronosticadores comenzaron a adoptar el modelo en sus operaciones, el rendimiento se mantuvo. “Creo que todos se sorprendieron de lo bien que funcionó”, agregó Musgrave.

Mike Brennan, director del Centro Nacional de Huracanes de EE. UU., destacó que “incluso unas pocas horas pueden marcar la diferencia”. Organizar evacuaciones, preparar suministros y mover recursos para responder a un riesgo de huracán son tareas sensibles al tiempo.

“El tiempo es realmente oro cuando se trata de ese tipo de decisiones, así que la capacidad de adelantar la precisión del pronóstico hasta un día más allá de lo que hemos podido hacer anteriormente es muy valiosa”, afirmó Brennan.

Históricamente, adelantar los pronósticos un día habría requerido una década de trabajo, según los investigadores. La IA acelera ese progreso de manera inédita.

Cómo funcionó la predicción de intensidad

Modelar eventos extremos puede ser un desafío para la IA. El aprendizaje automático requiere datos de entrenamiento amplios para hacer predicciones futuras, pero los eventos extremos son por naturaleza ocurrencias raras.

“No tenemos muchos datos de ciclones, pero tenemos muchos datos meteorológicos”, dijo Ferran Alet, científico investigador en Google DeepMind y uno de los autores principales del artículo. “Entonces lo que hicimos fue entrenar un modelo que fuera bueno tanto en meteorología como en ciclones”.

Los huracanes son particularmente difíciles de predecir porque operan a múltiples escalas espaciales. Predecir la trayectoria de una tormenta requiere datos sobre el clima a escala global, tomando información como la ubicación de los frentes fríos y los vientos predominantes.

Predecir la intensidad, en cambio, requiere datos a escala mucho más pequeña centrados en las condiciones atmosféricas y oceánicas locales. “Eso es algo que simplemente no obtenemos de estos modelos globales”, señaló Musgrave.

Mientras que los modelos de IA anteriores han funcionado bien en la predicción de la trayectoria, “la intensidad no la podían hacer bien en absoluto”. Es crucial predecir ambas cosas: un cambio en la intensidad puede significar la diferencia entre una tormenta débil y un huracán mayor.

La caja negra de WeatherNext

Incluso los investigadores de DeepMind no entienden completamente cómo produce el modelo predicciones tan precisas. Utiliza datos atmosféricos de resolución mucho más baja que los modelos tradicionales.

“Cuando le dijimos a la comunidad que nuestro modelo solo usaba una resolución relativamente gruesa, se quedaron impactados”, dijo Alet. Eso significa que las entradas de menor resolución capturan más señal sobre lo que va a suceder de lo que se creía anteriormente.

El modelo de IA debe estar captando algo en los datos de menor resolución que le permite hacer predicciones sobre la intensidad de la tormenta, pero los investigadores no saben qué es. “Al final del día, es una caja negra, pero eso les da a los físicos una señal de que algo está sucediendo que no se entendía previamente”, agregó Alet.

El modelo no solo escupe una predicción; produce una gama de escenarios potenciales para una tormenta en desarrollo. Esto ayuda a captar cualquier posible “efecto mariposa”, donde una pequeña desviación de una tendencia podría llevar a cambios mucho más grandes en el futuro.

El año pasado, el modelo creó 50 escenarios por tormenta; ahora genera 1.000. “Eso es algo que, con nuestra capacidad de cómputo, simplemente no podemos hacer con nuestros modelos numéricos existentes”, explicó Musgrave.

Hacia un futuro con IA en la meteorología

Brennan dice que el modelo de DeepMind es una gran nueva herramienta en la caja de herramientas de los pronosticadores, pero enfatiza que es una de muchas. “No hay garantía de que un modelo, porque le fue bien el año pasado o realmente le fue bien en esta tormenta en particular, sea necesariamente el mejor modelo para la próxima temporada o la próxima tormenta”.

El elemento humano sigue siendo crítico. “Un huracán no es solo una trayectoria o un pronóstico de intensidad”, dijo Brennan. “Requiere expertos que traduzcan eso a cuáles serán los impactos, y son los impactos los que matan a la gente”.

Google DeepMind también anunció que está abriendo el código fuente de los modelos WeatherNext utilizados durante la temporada de huracanes para que los investigadores puedan usarlos y mejorarlos. Alet espera que abrir los modelos a la comunidad de investigación pueda ayudar a descubrir nuevos conocimientos sobre cómo funcionan los ciclones.

“Estoy muy entusiasmado con el descubrimiento científico”, dijo. “Creo que la IA nos está dando nuevas herramientas para indagar en las leyes del universo”.

La historia del huracán Melissa no solo demuestra el poder de la IA en la meteorología, sino también la importancia de combinar la inteligencia artificial con la experiencia humana para salvar vidas. La predicción temprana es una de las mayores defensas contra los desastres naturales, y WeatherNext ya está marcando la diferencia.

Los avances en este campo podrían extenderse a otros fenómenos extremos, como tsunamis o tornados. La comunidad científica espera que la IA siga ofreciendo sorpresas en la comprensión de los sistemas climáticos.

El futuro de la predicción meteorológica se escribe con algoritmos y datos, pero también con la colaboración entre máquinas y expertos. La próxima temporada de huracanes será una prueba clave para WeatherNext y su integración en los centros de pronóstico.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados