Google lanzó pronosticador del tiempo basado en Inteligencia Artificial
- Por: David Muñoz
Un avance importante a la hora de medir el cambio climático y obtener certezas sobre este ítem es lo que logró Google, que presentó GraphCast, que se trata de un nuevo modelo de pronóstico del tiempo, con el cual asegura que será "más rápido y preciso" con hasta 10 días de antelación.
De acuerdo a la empresa detrás de este proyecto, llamada DeepMind, el servicio "supera significativamente" a los sistemas tradicionales y sirve, de paso, para poder entregar alertas más tempranas con respecto a fenómenos meteorológicos extremos.
¿Cuál es la diferencia con otros sistemas?
Lo distinto de GraphCast es que trabaja con datos históricos y los mezcla con información específica climática, pues utiliza la recopilación de datos del actual clima de la Tierra, para posteriormente realizar una predicción sobre cómo lo estará dentro de unas seis horas. Posteriormente, el sistema devuelve las predicciones al modelo, realiza el cálculo señalado anteriormente y arroja un pronóstico a más largo plazo.
Los desarrolladores aseguraron que el nuevo sistema se desenvuelve gracias a aprendizaje automático y a Graph Neural Networks (GNN), que se trata de una arquitectura que procesa datos de manera espacial.
Datos por sobre las ecuaciones físicas
Lo interesante de este nuevo sistema es que, más allá de los algoritmos, se ofrece un enfoque más profundo y diferente, al utilizar datos y trabajarlos por medio de Inteligencia Artiticial y que esta sirva al servicio de un elemento tan clave y relevante como lo es la predicción meteorológica.
Además, GraphCast va a poder ayudar también en un tema tan relevante como lo es el cambio climático, pensando en los pronósticos avanzados que logra y en la recopilación de datos que realiza a largo plazo, a diferencia de otros métodos.
También, vale mencionar que el sistema de Google logró en sus predicciones un acierto por sobre el 90% en 1.380 objetivos verificados, logrando una muy alta precisión.
Por ello, sus creadores aseveraron que "la previsión meteorológica mundial a medio plazo es fundamental en muchos ámbitos sociales y económicos. La predición meteorológica numérica tradicional utiliza mayores recursos informáticos para mejorar la precisión del pronóstico, pero no utiliza directamente datos meteorológicos históricos para mejorar el modelo subyacente. Aquí presentamos GraphCast, un avance clave en el pronóstico meteorológico preciso y eficiente, y ayuda a hacer realidad la promesa del aprendizaje automático para modelar sistemas dinámicos complejos".