Cambio climático: cómo es el nuevo pronosticador del tiempo basado en Inteligencia Artificial
Por:
Víctor Ingrassia
Viernes 17 de
Noviembre 2023
Google lanzó GraphCast, un modelo de pronóstico más rápido y preciso, que supera significativamente los métodos actuales y ofrece alertas más tempranas sobre fenómenos meteorológicos extremos. La opinión de dos expertos.
Frente al cada vez más cambiante clima y a la falta de previsiones meteorológicas certeras, la ciencia de datos y particularmente la Inteligencia Artificial buscan tener protagonismo y ser la fuente consultada en esta materia.
Eso ocurrió esta semana, cuando Google presentó GraphCast, un nuevo modelo de pronóstico del tiempo “más rápido y preciso” con hasta 10 días de antelación. Según sus responsables, de la empresa DeepMind, “supera significativamente” a los sistemas tradicionales y sirve, además, para ofrecer alertas más tempranas sobre fenómenos meteorológicos extremos.
“Creemos que esto marca un punto de inflexión en la previsión meteorológica”, describieron los autores en un estudio científico publicado en la revista Science. En la actualidad, el método de referencia para la predicción meteorológica es la “predicción numérica del tiempo” (PNT). Si bien la precisión de los modelos PNT se ha mejorado restrictivamente a lo largo de varios decenios, resultan costosos, complejos y exigentes desde el punto de vista computacional, por lo que requieren mayores recursos informáticos para mejorar la precisión de las previsiones. La predicción meteorológica basada en el aprendizaje automático (MLW ), que puede entrenarse a partir de datos históricos, ofrece una alternativa. Además, MLWP puede aprovechar el hardware moderno de aprendizaje profundo para aumentar la eficiencia.
“La predicción del tiempo es uno de los esfuerzos científicos más antiguos y desafiantes. Las predicciones a mediano plazo son importantes para respaldar la toma de decisiones clave en todos los sectores, desde la energía renovable hasta la logística de eventos, pero son difíciles de hacer con precisión y eficiencia”, agregaron sus creadores.
El nuevo sistema GraphCast trabaja esencialmente con datos históricos y los mezcla con información específica climática. Comienza recopilando datos del actual del clima de la Tierra. Luego, hace una predicción sobre cómo será el clima dentro de seis horas. A continuación, el nuevo sistema devuelve esas predicciones al modelo, realiza el mismo cálculo y arroja pronósticos a más largo plazo.
Según sus desarrolladores, GraphCast es un sistema de pronóstico del tiempo basado en aprendizaje automático y Graph Neural Networks (GNN), que es una arquitectura particularmente útil para procesar datos estructurados espacialmente.
El equipo de Google comparó los resultados se su invención con el modelo actual que se utiliza para la predicción meteorológica a medio plazo, llamado HRES. Según el estudio, GraphCast superó significativamente a HRES en el 90% de los objetivos utilizados en la prueba. También tuvo un éxito sorprendente en la predicción de fenómenos meteorológicos extremos, incluidos ciclones tropicales y cambios de temperatura extraños, a pesar de que no estaba específicamente entrenado para manejarlos.
Aunque este método tradicional ha sido un “triunfo de la ciencia y la ingeniería”, diseñar las ecuaciones y los algoritmos lleva mucho tiempo, exige gran experiencia y costosos ordenadores para conseguir pronósticos precisos, explica en su blog DeepMind, que defiende que el aprendizaje profundo ofrece un enfoque diferente. Se trata, agrega, de usar datos en lugar de ecuaciones físicas para crear un sistema de pronóstico del tiempo.
Eso ocurrió esta semana, cuando Google presentó GraphCast, un nuevo modelo de pronóstico del tiempo “más rápido y preciso” con hasta 10 días de antelación. Según sus responsables, de la empresa DeepMind, “supera significativamente” a los sistemas tradicionales y sirve, además, para ofrecer alertas más tempranas sobre fenómenos meteorológicos extremos.
“Creemos que esto marca un punto de inflexión en la previsión meteorológica”, describieron los autores en un estudio científico publicado en la revista Science. En la actualidad, el método de referencia para la predicción meteorológica es la “predicción numérica del tiempo” (PNT). Si bien la precisión de los modelos PNT se ha mejorado restrictivamente a lo largo de varios decenios, resultan costosos, complejos y exigentes desde el punto de vista computacional, por lo que requieren mayores recursos informáticos para mejorar la precisión de las previsiones. La predicción meteorológica basada en el aprendizaje automático (MLW ), que puede entrenarse a partir de datos históricos, ofrece una alternativa. Además, MLWP puede aprovechar el hardware moderno de aprendizaje profundo para aumentar la eficiencia.
“La predicción del tiempo es uno de los esfuerzos científicos más antiguos y desafiantes. Las predicciones a mediano plazo son importantes para respaldar la toma de decisiones clave en todos los sectores, desde la energía renovable hasta la logística de eventos, pero son difíciles de hacer con precisión y eficiencia”, agregaron sus creadores.
El nuevo sistema GraphCast trabaja esencialmente con datos históricos y los mezcla con información específica climática. Comienza recopilando datos del actual del clima de la Tierra. Luego, hace una predicción sobre cómo será el clima dentro de seis horas. A continuación, el nuevo sistema devuelve esas predicciones al modelo, realiza el mismo cálculo y arroja pronósticos a más largo plazo.
Según sus desarrolladores, GraphCast es un sistema de pronóstico del tiempo basado en aprendizaje automático y Graph Neural Networks (GNN), que es una arquitectura particularmente útil para procesar datos estructurados espacialmente.
El equipo de Google comparó los resultados se su invención con el modelo actual que se utiliza para la predicción meteorológica a medio plazo, llamado HRES. Según el estudio, GraphCast superó significativamente a HRES en el 90% de los objetivos utilizados en la prueba. También tuvo un éxito sorprendente en la predicción de fenómenos meteorológicos extremos, incluidos ciclones tropicales y cambios de temperatura extraños, a pesar de que no estaba específicamente entrenado para manejarlos.
Aunque este método tradicional ha sido un “triunfo de la ciencia y la ingeniería”, diseñar las ecuaciones y los algoritmos lleva mucho tiempo, exige gran experiencia y costosos ordenadores para conseguir pronósticos precisos, explica en su blog DeepMind, que defiende que el aprendizaje profundo ofrece un enfoque diferente. Se trata, agrega, de usar datos en lugar de ecuaciones físicas para crear un sistema de pronóstico del tiempo.
YPF confirmó un nuevo aumento en los combustibles: de cuánto es y qué pasará con el congelamiento
El anuncio lo realizó Horacio Marín. Además, la suba rige a partir de este jueves.
Sorpresa: una encuesta midió a Victoria Villarruel como variante del PRO y el PJ para 2027
Lo hizo DC Consultores en su último estudio nacional. Es una firma que suele darle buenos números al Gobierno. Además, ranking de imágenes con 9 dirigentes y outsiders.
Hoy se conocerá la inflación de abril: el Gobierno anticipó una baja fuerte y busca consolidar la desaceleración
Las proyecciones privadas y del ministro de Economía, Luis Caputo, coinciden en que el Índice de Precios al Consumidor (IPC) mostrará una disminución respecto a marzo. Cómo viene mayo y las medidas con los servicios públicos
Suscribite!
Y recibí las noticias más importantes!
Y recibí las noticias más importantes!
Nota22.com
Crecen las críticas a la gestión del Intendente de Santa Fe, Juan Pablo Poletti
LO MÁS VISTO
El bullying y los derechos humanos
¿Que es el Bullying?
El Juzgado de 1ra. Instancia en lo Civil y Comercial de la Octava Nominación falló a favor de la Municipalidad de Sauce Viejo en medio del conflicto que mantiene con la Asociación de Obreros y Empleados Municipales.
Lo anticipó el ministro Mario Lugones en una jornada sobre salud en la que se alertó sobre la creciente judicialización del sistema. El objetivo del Gobierno es que cualquier médico no pueda recetar cualquier tipo de medicamento y ajustan detalles de la norma.
El exministro de Economía le respondió al Presidente a través de una publicación en su blog personal; "Me limité a repetir lo que él mismo había dicho", manifestó
