¿Puede la Inteligencia Artificial transformar la forma en que pronosticamos el tiempo?

Una asociación entre Turing y Met Office tiene como objetivo hacer que el pronóstico del tiempo sea más preciso y eficiente, escriben la profesora Kirstine Dale de Met Office y el Dr. Scott Hosking, investigador principal del Instituto Alan Turing.

Nuestras vidas giran en torno al tiempo. Consultar la previsión meteorológica nos ayuda a decidir cómo ir al trabajo, cuándo tender la ropa y qué hacer el fin de semana. Quizás no pensamos demasiado en lo que implica producir pronósticos precisos. Pero nuestro tiempo cambiante está provocando fenómenos meteorológicos extremos más frecuentes e intensos y, a medida que los algoritmos de inteligencia artificial (IA) avanzan a buen ritmo, los científicos están empezando a reimaginar el pronóstico del tiempo para un futuro más volátil.

El Instituto Alan Turing está colaborando con la Met Office, la Oficina Meteorológica del Reino Unido para explorar cómo la inteligencia artificial y la ciencia de datos pueden mejorar e incluso transformar el pronóstico del tiempo. Este esfuerzo forma parte del Gran Desafío de Sostenibilidad y Medio Ambiente de Turing (anunciado a principios de este año) y tiene el potencial de beneficiar a comunidades y empresas de todo el mundo.

¿Por qué necesitamos llevar el pronóstico del tiempo al siguiente nivel?

El pronóstico del tiempo no sólo dicta nuestra vida diaria. Las predicciones meteorológicas precisas, por ejemplo, ayudan a los gobiernos, los servicios de emergencia, el público y las empresas a prepararse para fenómenos extremos como tormentas, inundaciones y olas de calor. Los pronósticos también informan la toma de decisiones en sectores sensibles al tiempo y clima, como elegir tiempos de cosecha para mejorar el rendimiento de los cultivos u optimizar las redes energéticas nacionales para hacer el mejor uso de la capacidad de energía renovable.

Un estudio de 2023 estimó el costo global de los fenómenos atmosféricos extremos en los últimos 20 años en £ 13 millones por hora, mientras que UNICEF informó recientemente que el tiempo extremo desplazó a 43 millones de niños en los últimos seis años. Este año ha sido otro año récord de tiempo extremo: inundaciones en Corea del Sur, China, Grecia y Libia, incendios forestales en Canadá y alrededor del Mediterráneo , olas de calor en toda Europa y temperaturas inusualmente frías en Afganistán. Más recientemente, la borrasca Babet trajo intensas lluvias y vientos a Europa, provocando importantes inundaciones en partes del Reino Unido. Claramente, existe la necesidad de hacer que el pronóstico del tiempo sea lo más preciso, computacionalmente eficiente y rentable posible.

¿Cómo funciona la previsión meteorológica existente?

La previsión meteorológica tradicional se basa principalmente en complejos modelos numéricos de predicción meteorológica (PNT), que a menudo constan de millones de líneas de código informático, que simulan la atmósfera terrestre mediante ecuaciones matemáticas. Estos modelos requieren grandes cantidades de datos, incluidas mediciones atmosféricas, observaciones satelitales y datos meteorológicos históricos, así como potentes recursos computacionales.

Si bien los modelos de PNT han mejorado significativamente a lo largo de los años, pueden tener dificultades para pronosticar eventos locales como lluvias, lo que hace que las predicciones sean menos precisas en ciertas regiones y para eventos específicos. Además, a medida que haya más sensores satelitales disponibles, puede llevar mucho tiempo integrar nuevos conjuntos de datos de diversas modalidades, resoluciones y escalas.

¿En qué se diferencia el pronóstico del tiempo con IA?

En lugar de construir sistemas de modelado de abajo hacia arriba utilizando principios físicos conocidos, la IA utiliza datos históricos para aprender cómo evolucionan los patrones meteorológicos.

Estos modelos meteorológicos de IA ya pueden competir con la generación actual de modelos PNT-NWP y, para algunas aplicaciones, superar su rendimiento a una fracción del costo computacional.

Las grandes empresas de tecnología, incluidas Google, Microsoft , Nvidia y Huawei, han logrado avances significativos en la aplicación de la IA a la predicción del tiempo en los últimos dos años. Esto ha tomado por sorpresa a la comunidad internacional de pronóstico del tiempo, lo que demuestra claramente el potencial de los modelos meteorológicos impulsados por IA para complementar los modelos tradicionales de PNT basados en la física, especialmente para el pronóstico a corto plazo. A medida que los algoritmos y métodos de IA se desarrollan tan rápidamente, podemos esperar ver aún más avances en los próximos años, tanto dentro como fuera de los grandes laboratorios tecnológicos. El bajo costo de producir pronósticos de IA significa que tienen el potencial de democratizar los pronósticos para la comunidad de investigación en general, beneficiando a personas de todo el mundo.

La asociación presenta una oportunidad emocionante para combinar la experiencia en inteligencia artificial y ciencia de datos de Turing con las capacidades de pronóstico líderes en el mundo de Met Office. Juntos, el objetivo es abordar algunos de los desafíos técnicos y logísticos que aún enfrenta el pronóstico del tiempo con IA, como:

- Calidad de los datos: los datos completos y de alta calidad son esenciales para entrenar modelos de IA de forma eficaz. Garantizar la precisión y disponibilidad de los datos es una prioridad.
- Complejidad del modelo: Desarrollar modelos de IA que puedan manejar las complejidades de la ciencia atmosférica sin dejar de ser computacionalmente eficientes es un desafío importante.
- Integración: Integrar perfectamente la previsión basada en IA en los sistemas y flujos de trabajo meteorológicos existentes es crucial para la implementación práctica.
- Validación y verificación: se necesitan pruebas y validaciones rigurosas para garantizar la confiabilidad y precisión de los pronósticos meteorológicos de la IA.

Según Met Office, los posibles resultados de nuestra asociación incluyen una predicción más precisa y oportuna de eventos meteorológicos extremos (ayudando a salvar vidas y proteger infraestructura nacional crítica); una mayor variedad de servicios de predicción meteorológica centrados en el usuario para ayudar en la toma de decisiones en todo el sector público y la industria privada; y pronósticos localizados que pueden proporcionar información meteorológica con una resolución cada vez más fina.