La IA revoluciona las previsiones del tiempo: logra mejorar su precisión hasta seis semanas antes

Las previsiones meteorológicas no siempre aciertan. De hecho, es frecuente que las grandes catástrofes medioambientales sean difíciles de predecir –como es el caso de las danas– y otras, como las grandes tormentas o los huracanes, supongan una gran complejidad a la hora de saber cómo se van a terminar desarrollando.

Una mayor antelación ante todos estos eventos podría haber salvado vidas en todo el mundo, ya que preparar a la población ante una inundación o una gran nevada es determinante para poder anticiparse a posibles tragedias. Con la llegada y avance de la inteligencia artificial (IA), muchos se preguntan si no se podría aplicar a las previsiones meteorológicas para poder incrementar su precisión semanas antes de que ocurra.

Y esto es precisamente lo que han conseguido investigadores del Instituto Tecnológico de Massachusetts (MIT), que han desarrollado una técnica que mejora significativamente la predicción meteorológica a más de dos semanas vista. Según el estudio, publicado en Nature, los expertos desarrollaron un modelo de aprendizaje automático capaz de corregir los errores de los sistemas de predicción meteorológica existentes y mejorar sus resultados en un horizonte de entre dos y seis semanas.

Al aplicarlo a un modelo de referencia, lograron duplicar la precisión de los pronósticos en ese intervalo y alcanzar el primer puesto en una importante competición internacional de predicción del tiempo. Con ello, se permite realizar por primera vez pronósticos para un periodo de entre dos y seis semanas que superan la precisión de los promedios climatológicos.

«Esto no solo mejora las predicciones promedio en el tiempo para este rango, lo cual ya es muy útil para los agricultores y los miembros de la industria energética que intentan equilibrar la oferta y la demanda, sino que también mejora las predicciones de fenómenos meteorológicos extremos, ya sean inundaciones, olas de frío u otros», afirma Judah Cohen, coautor e investigador del MIT. «Es fundamental predecir ambos, pero los fenómenos extremos podrían ser la parte más impactante de esto para la sociedad».

Corregir los errores de las previsiones

En la actualidad, las previsiones meteorológicas más precisas proceden de dos tipos de sistemas: los modelos dinámicos, que simulan mediante cálculos numéricos la evolución de la atmósfera y los océanos, y los modelos de inteligencia artificial, entrenados con datos meteorológicos históricos para aprender a anticipar las condiciones del tiempo.

Aunque la IA ha permitido mejorar los pronósticos a corto plazo, su rendimiento disminuye cuando se trata de anticipar el tiempo a más largo plazo, hasta el punto de que estos sistemas pueden ofrecer peores resultados que los modelos dinámicos tradicionales, según explica el MIT.

Ante esta situación, los investigadores decidieron seguir un camino diferente. En lugar de desarrollar un nuevo modelo para competir con los ya existentes, se propusieron identificar y corregir los errores que estos cometen de forma recurrente. Así nació el método denominado corrección probabilística de sesgos (PBC, por sus siglas en inglés).

A diferencia de los sistemas convencionales, que aplican ajustes más sencillos para corregir las desviaciones de sus predicciones, este nuevo enfoque incorpora una capa de inteligencia artificial capaz de aprender de los errores cometidos en el pasado. A partir de los datos históricos, identifica patrones y adapta los pronósticos para mejorar su precisión. «A medida que se dispone de más previsiones y datos, nuestro modelo mejora de forma adaptativa su corrección», explica Judah Cohen, investigador del MIT.

El sistema puede utilizar como punto de partida cualquier modelo de predicción meteorológica. Una vez seleccionado, aprende a reconocer sus errores más habituales y los corrige para generar un pronóstico final más preciso. Según detalla Lester Mackey, de Microsoft Research, esta técnica está diseñada para mejorar las previsiones subestacionales, aquellas que tratan de anticipar la evolución del tiempo con entre dos y seis semanas de antelación.