DeepMind, la filial de Google especializada en inteligencia artificial, acaba de presentar una nueva herramienta impresionante: aquí está GenCastun modelo de IA especializado en predicciones meteorológicas que parece estar en camino de revolucionar esta disciplina.
Es de conocimiento común que el aprendizaje automático aún está lejos de ser una panacea, particularmente en disciplinas que dependen en gran medida del razonamiento lógico. Por otro lado, es sin duda una gran herramienta cuando se trata de descubrir patrones complejos en enormes conjuntos de datos que los humanos e incluso los algoritmos convencionales tienen grandes dificultades para navegar.
DeepMind lo sabe bien, ya que la empresa ya ha utilizado la técnica para abordar problemas que antes parecían completamente fuera de su alcance. El ejemplo más destacable es sin duda AlphaFold, un sistema que permite predecir la estructura 3D de las proteínas en un tiempo récord y con una precisión excelente. Se trata de un ejercicio cuya extraordinaria complejidad ha puesto a prueba a los mayores especialistas y a los mejores ordenadores durante décadas. Por tanto, la llegada de AlphaFold representó una auténtica revolución en la biología estructural, hasta el punto de que sus principales arquitectos fueron incluso recompensados con el Premio Nobel de Química de 2024.
Meteorología, la ciencia inexacta por excelencia
Este es también el caso de otras disciplinas como la meteorología. Debido a la naturaleza literalmente caótica (ver Teoría del Caos) de la atmósfera terrestre, es prácticamente imposible predecir la evolución de todas las variables como la temperatura, la humedad o la presión para determinar el tiempo que hará durante un largo período de tiempo. Incluso con modelos meteorológicos de última generación ejecutándose en potentes ordenadores, incluso los errores infinitesimales tienden a amplificarse, como ilustra el famoso ejemplo del efecto mariposa. Para conocer perfectamente el tiempo futuro, sería necesario tener acceso a datos infinitamente precisossino también a un ordenador ideal capaz de procesar todos estos datos en un tiempo aceptable.
Dado que es prácticamente imposible lograr una precisión perfecta, debemos conformarnos conaproximación. Sin embargo, ésta es una tarea en la que los modelos de IA son excepcionalmente eficaces; Son insuperables cuando se trata de sacar a la luz tendencias claras de un océano de datos que de otro modo sería indigerible y que un sistema basado en la fuerza bruta tardaría una eternidad en procesar. Basándose en esta observación, DeepMind se propuso desarrollar un Sistema de previsión meteorológica capaz de superar al ENS, el modelo estadístico más eficiente del momento.
Un modelo de IA preciso y ultrarrápido
En concreto, este modelo denominado GenCast utiliza el mismo método probabilístico que la ENS. Genera un conjunto de alrededor de cincuenta pronósticos potencialmente coherentes que luego son analizados por los meteorólogos utilizando sofisticadas herramientas estadísticas. Estos últimos están especialmente interesados en la diferencia entre las diferentes previsiones; cuanto más similares sean los escenarios, más confianza podremos tener en el resultado. Por lo tanto, es una métrica crucial para determinar la efectividad de estos sistemas.
Y lo menos que podemos decir es que GenCast ha demostrado ser bastante excepcional a este nivel. Al final del proceso de formación, este modelo de IA resultó ser más preciso que ENS en el 97% de 1320 escenarios meteorológicos en el que fueron puestos en competencia!
Y para colmo, logró este impresionante puntaje con tiempos de cálculo increíblemente cortos. A diferencia de un modelo tradicional que se ejecuta en una supercomputadora, no necesita resolver miles de ecuaciones de física de fluidos insoportablemente complejas para llegar a una conclusión; en cambio, puede simplemente construir sobre los patrones que surgieron durante su entrenamiento inicial. Por tanto, GenCast es capaz de generar un catálogo de escenarios meteorológicos en menos de diez minutos, en comparación con varias horas para sistemas tradicionales como ENS !
Un cambio de paradigma
Según los autores, esto marca el comienzo de un verdadero cambio de paradigma en el campo de la predicción meteorológica. Estos resultados no significan necesariamente que la IA reemplazará a las tecnologías de pronóstico tradicionales en el corto plazo; por otro lado, según Ilan Price, directivo de DeepMind entrevistado por el Guardiánesto demuestra que este enfoque ya está lo suficientemente maduro como para usarse además de los sistemas convencionales. Una interpretación compartida por Steven Ramsdale, pronosticador jefe del MET británico entrevistado por el Tiempos financieros.
« El mayor valor añadido reside en un enfoque híbrido, que combina la evaluación humana, los modelos tradicionales basados en la física y las previsiones meteorológicas basadas en la inteligencia artificial. “, resume. Por tanto, será muy interesante ver cómo las instituciones encargadas de predecir las lluvias y el buen tiempo integrarán estas nuevas herramientas en su arsenal tecnológico a finales de la década.
El trabajo de investigación asociado con este trabajo está disponible aquí.
???? Para no perderte ninguna novedad del Journal du Geek, suscríbete a Google News. Y si nos amas, tenemos un boletín informativo todas las mañanas.
