GenCast: Un nuevo modelo de IA para pronosticar el tiempo
GenCast, un nuevo modelo de IA de Google DeepMind, es lo suficientemente preciso para competir con los pronósticos meteorológicos tradicionales. Logró superar a un modelo de pronóstico líder cuando se probó con datos de 2019, según investigaciones recientes. La IA no reemplazará los pronósticos tradicionales en el corto plazo, pero podría complementar las herramientas utilizadas para predecir el clima y advertir al público sobre tormentas severas. GenCast es uno de varios modelos de pronóstico meteorológico por IA en desarrollo que podrían llevar a pronósticos más precisos.
Resultados de la comparación con ENS
Ilan Price, un científico investigador senior en DeepMind, comentó: “El clima afecta básicamente todos los aspectos de nuestras vidas … también es uno de los grandes desafíos científicos: predecir el clima”. Price y sus colegas probaron GenCast contra el sistema ENS, uno de los modelos de pronóstico más importantes en el mundo, gestionado por el Centro Europeo para Pronósticos Meteorológicos a Medio Plazo (ECMWF). GenCast superó a ENS el 97.2% del tiempo, según la investigación publicada esta semana en la revista Nature. GenCast es un modelo de predicción meteorológica basado en aprendizaje automático que se entrenó con datos climáticos desde 1979 hasta 2018. El modelo aprende a reconocer patrones en las cuatro décadas de datos históricos y utiliza eso para hacer predicciones sobre lo que podría suceder en el futuro.
Ventajas y limitaciones de GenCast
En cuanto a la predicción de la trayectoria de un ciclón tropical, por ejemplo, GenCast pudo proporcionar un promedio de 12 horas adicionales de advertencia anticipada. GenCast fue generalmente mejor al predecir trayectorias de ciclones, clima extremo y producción de energía eólica hasta 15 días de anticipación. Sin embargo, un aspecto a tener en cuenta es que GenCast se probó contra una versión más antigua de ENS, que ahora opera a una resolución más alta. La investigación revisada por pares compara las predicciones de GenCast con los pronósticos de ENS para 2019, observando cuán cerca llegó cada modelo a las condiciones reales ese año.
Desarrollo y futuro del pronóstico meteorológico
La división del mundo en una cuadrícula, GenCast opera a una resolución de 0.25 grados, lo que significa que cada cuadrado en esa cuadrícula es un cuarto de grado de latitud por un cuarto de grado de longitud. ENS, en comparación, utilizaba una resolución de 0.2 grados en 2019 y ahora está en 0.1 grados. No obstante, el desarrollo de GenCast “marca un hito significativo en la evolución de los pronósticos meteorológicos”, dijo Chantry en un comunicado por correo electrónico. Además de ENS, el ECMWF también está ejecutando su propia versión de un sistema de aprendizaje automático que “se inspira en parte en GenCast”.
La velocidad es otra ventaja para GenCast. Puede producir un pronóstico de 15 días en solo ocho minutos utilizando una sola TPU v5 de Google Cloud. Los modelos basados en física como ENS pueden necesitar varias horas para hacer lo mismo. “Desde el punto de vista computacional, es órdenes de magnitud más costoso ejecutar pronósticos tradicionales en comparación con un modelo como GenCast”, dice Price.
Se espera que este progreso alivie algunas preocupaciones sobre el impacto medioambiental de los centros de datos de IA que consumen mucha energía. Sin embargo, es difícil determinar cómo se compara GenCast con modelos basados en física en términos de sostenibilidad sin conocer cuánta energía se utiliza para entrenar el modelo de aprendizaje automático. GenCast aún tiene mejoras por hacer, incluida la posibilidad de escalar a una resolución más alta. Además, GenCast emite predicciones en intervalos de 12 horas en comparación con los modelos tradicionales, que suelen hacerlo en intervalos más cortos.
Los pronósticos meteorológicos impulsados por IA están en aumento, pero aún deben probarse en la práctica. “Una vez que estos modelos estén en manos de los profesionales, aumentará la confianza”, dice Price. “Realmente queremos que esto tenga un impacto social generalizado”.
Fuente y créditos: www.theverge.com
Cats:
