El camino en ofrecer previsiones meteorológicas avanzadas de próxima generación usando IA

Uno de estos SMNs es la Met Office que se ha aliado con un grupo de investigación avanzado.

Informe sobre el progreso del proyecto de Inteligencia Artificial para predicción numérica del tiempo de la Met Office y el Instituto Alan Turing

Entre bastidores, se está produciendo un cambio de paradigma en la forma en que obtendremos nuestra dosis diaria de información meteorológica. La inteligencia artificial (IA), y más precisamente el aprendizaje automático (ML, por sus siglas en inglés), está dando pasos importantes en la predicción del tiempo, y el Reino Unido está a la vanguardia de este apasionante desarrollo.

Una alianza poderosa

Según informa la Met Office, un factor clave en este progreso es la colaboración entre ella y el Instituto Alan Turing, que está ayudando a mantener la posición del Reino Unido a la vanguardia de la predicción meteorológica y la implementación de IA para el bien público.

Los beneficios son mutuos. Los expertos de la Met Office han podido brindar una capacitación crucial en meteorología y las métricas utilizadas para evaluar los modelos meteorológicos, mientras que los investigadores de Turing han compartido su experiencia en el diseño y la optimización de modelos de IA para su escalado en plataformas en la nube.

Esta asociación ha galvanizado un nuevo equipo interdisciplinario y el intercambio de conocimientos y habilidades está acelerando la innovación e impulsando el campo de la predicción meteorológica.

Informe de progreso

¿Qué se ha logrado hasta ahora? Es muy pronto, pero los resultados ya son prometedores.

Se ha desarrollado un modelo de aprendizaje automático para la predicción meteorológica: “FastNet”, que muestra el potencial de esta tecnología para visualizar patrones climáticos complejos a escala planetaria.

FastNet y otros modelos de IA similares representan el siguiente paso en la evolución de la predicción del tiempo, mostrando el compromiso del Reino Unido de adoptar nuevas tecnologías para permanecer a la vanguardia de la previsión meteorológica.

Se ha analizado que, para algunas métricas, el rendimiento del modelo FastNet es comparable al del sistema de predicción numérica del tiempo (NWP) global de la Met Office, un estándar de oro internacional en previsión meteorológica.

Este es un hito importante que demuestra que la IA no es solo un concepto teórico, sino una herramienta práctica con el potencial de igualar e incluso superar las capacidades de los métodos tradicionales. La combinación de la IA y los modelos tradicionales basados en la física para la predicción meteorológica ofrece la oportunidad de ampliar las fortalezas de ambos enfoques con modelos que sean rápidos, precisos, explicables y confiables.

La palabra FastNet resultará familiar para muchos como una de las 31 áreas marítimas cubiertas por el Shipping Forecast: un guiño al fundador de la Met Office, el vicealmirante Robert FitzRoy, el primer pronosticador meteorológico profesional, quien estableció el Shipping Forecast.

El futuro de la previsión meteorológica en el Reino Unido

El objetivo final de esta colaboración es poner en funcionamiento el modelo FastNet para que la Met Office pueda utilizar la combinación óptima de modelos basados en la física y en el aprendizaje automático para la predicción meteorológica del Reino Unido. Esto significa que la IA podría utilizarse junto con los modelos basados en la física y desempeñar un papel importante en la entrega de los pronósticos diarios en los que todos confiamos. El uso de la IA junto con los modelos numéricos basados en la física proporciona la forma más sólida de avanzar en un clima cambiante.

En los próximos meses se producirán algunos avances importantes en FastNet. Basándose en el éxito inicial de FastNet en las predicciones globales, la asociación desarrollará a continuación previsiones regionales de alta resolución para el Reino Unido utilizando métodos de inteligencia artificial.

Al incorporar pronósticos meteorológicos anteriores del Reino Unido en el proceso de entrenamiento de FastNet, lo entrenaremos y perfeccionaremos aún más para producir pronósticos meteorológicos regionales detallados del Reino Unido para un posible uso operativo.

Por ejemplo, esto incluirá:

- El uso de datos de entrada de múltiples resoluciones. Los modelos meteorológicos y climáticos tradicionales a menudo operan cerca de los límites de los recursos computacionales disponibles, llevando a las supercomputadoras al máximo, por lo que es necesario hacer concesiones: ya sea reduciendo parte de la complejidad asociada con las ecuaciones para los procesos físicos, o reduciendo la resolución espacial y temporal. Los modelos meteorológicos globales están diseñados para maximizar la cobertura espacial, pero algunos procesos físicos importantes a pequeña escala pueden no estar bien representados, en particular, los procesos convectivos y los procesos orográficos (colinas y montañas) que, sin embargo, son impulsores importantes de eventos meteorológicos localizados de alto impacto. Los modelos de área limitada, como el modelo meteorológico del Reino Unido de la Met Office, que utiliza una cuadrícula de 1,5 km, son capaces de resolver muchos de estos procesos importantes (ver imagen a continuación), pero son demasiado costosos para ejecutarlos en un área más grande (por ejemplo, en toda Europa). Los modelos de IA, como FastNet, ahora ofrecen la posibilidad de combinar los beneficios de la Predicción Numérica del Tiempo,PNT, global a gran escala y los modelos de área limitada de alta resolución dentro del mismo modelo.

- Representación de la incertidumbre mediante el uso de conjuntos.
El Met Office pretende migrar los pronósticos meteorológicos al modo de conjunto , donde se producen múltiples realidades futuras posibles para crear un conjunto de resultados que nos permite evaluar el rango del clima inminente. La IA es particularmente atractiva en este contexto, ya que ofrece la posibilidad de producir una gran cantidad de pronósticos posibles con un costo computacional relativamente bajo, un beneficio potencial importante de la IA para el pronóstico del tiempo. Juntos, el Instituto Alan Turing y el Met Office explorarán cómo podemos producir pronósticos meteorológicos de conjunto rápidos, rentables y optimizados. El conjunto producido debe representar con precisión el tiempo real al ser hábil y confiable; de modo que cuando decimos que hay un 90% de probabilidad de lluvia, ¡realmente llueve 9 de cada 10 veces!

De cara al futuro, no se prevé que los enfoques de simulación basados en la física bien establecidos vayan a dejar de ser necesarios en el corto plazo.

En lugar de ello, imaginamos que los enfoques se ejecuten en paralelo y se complementen entre sí, maximizando sus fortalezas combinadas para proporcionar pronósticos precisos, rápidos, fiables y dignos de confianza para el Reino Unido.

Por ejemplo, los modelos basados en la física brindan información crítica basada en procesos físicos que se necesita para comprender el desempeño y generar confianza en las predicciones meteorológicas. También son importantes cuando se consideran eventos que están fuera de los datos que se han utilizado para entrenar modelos de IA, y brindan los datos de entrenamiento que se utilizan para crear modelos de IA (se necesitarán conjuntos de datos nuevos y recalibrados a medida que cambie el clima).

Además, los modelos de IA son precisos, hábiles y sorprendentemente rápidos (en algunos casos, decenas de miles de veces más rápidos que los métodos tradicionales). Esta velocidad ofrece numerosos beneficios, incluida una predicción meteorológica más oportuna y precisa a un costo computacional significativamente menor.

La colaboración entre la Met Office y el Instituto Alan Turing está allanando el camino para este futuro, un pronóstico a la vez.