El nuevo modelo de inteligencia artificial para huracanes de Google DeepMind supera a los modelos tradicionales y a los propios pronosticadores humanos, ofreciendo predicciones más rápidas y precisas que podrían revolucionar nuestra forma de prepararnos para los desastres naturales y salvar vidas.
Contenido del artículo:
- La inteligencia artificial contra la naturaleza
- Huracán Melissa: una prueba real para el modelo
- Rendimiento superior al de los modelos tradicionales
- ¿Cómo funciona el modelo de DeepMind?
- Velocidad y eficiencia: las ventajas del aprendizaje automático
- Limitaciones y el reto de la «caja negra»
- Preguntas frecuentes
La inteligencia artificial contra la naturaleza
Predecir con precisión la trayectoria y la intensidad de los huracanes siempre ha sido un reto formidable para los meteorólogos. Los modelos tradicionales dependen de complejas ecuaciones físicas que requieren una enorme potencia de cálculo y mucho tiempo para ofrecer resultados. Sin embargo, la llegada de la inteligencia artificial a este campo está cambiando las reglas del juego. Los recientes avances en el aprendizaje automático ofrecen nuevas formas de analizar grandes volúmenes de datos meteorológicos y proporcionar predicciones más rápidas y precisas, algo fundamental para emitir alertas tempranas y salvaguardar vidas y bienes frente a las fuerzas destructivas de la naturaleza.
Huracán Melissa: una prueba real para el modelo
El poder de la inteligencia artificial quedó patente durante el seguimiento de la tormenta tropical Melissa. Philip Klotzbach —en el texto original se menciona a Philip Klotzbach / Philip Papin—, meteorólogo del Centro Nacional de Huracanes (NHC), confiaba en que la tormenta estaba a punto de convertirse en un huracán devastador. Papin predijo que Melissa se convertiría en un huracán de categoría 4 en apenas 24 horas y se dirigiría hacia Jamaica. Fue una predicción muy audaz sobre una intensificación rápida. Papin contaba con un as bajo la manga: el nuevo modelo de huracanes de Google DeepMind, lanzado en junio. Tal como se anticipó, Melissa se convirtió en una tormenta de una potencia impresionante que azotó Jamaica y tocó tierra como huracán de categoría 5, uno de los más fuertes jamás registrados.
Rendimiento superior al de los modelos tradicionales
Los pronosticadores del Centro Nacional de Huracanes confían cada vez más en el modelo de Google DeepMind. Papin explicó que el modelo de Google fue clave para su alta confianza en los pronósticos del huracán Melissa. El modelo de DeepMind es la primera inteligencia artificial dedicada específicamente a los huracanes y, ahora, se convierte en el primer modelo en superar a los meteorólogos tradicionales. En las 13 tormentas atlánticas registradas en lo que va de año, el modelo de Google ha obtenido el mejor rendimiento, superando incluso a los expertos humanos en las previsiones de trayectoria. Esta predicción tan precisa probablemente otorgó a los habitantes de Jamaica un tiempo de preparación adicional vital ante el desastre.
¿Cómo funciona el modelo de DeepMind?
El modelo de Google opera detectando patrones que podrían pasar desapercibidos para los modelos meteorológicos tradicionales basados en la física, los cuales resultan lentos. Michael Lowry, ex meteorólogo del NHC, señaló: «Lo hacen mucho más rápido que sus homólogos basados en la física, y la potencia de cálculo es menos costosa y consume menos tiempo». Lowry añadió: «Lo que esta temporada de huracanes ha demostrado es que los nuevos modelos meteorológicos impulsados por inteligencia artificial son competitivos y, en algunos casos, más precisos que los modelos meteorológicos basados en la física y más lentos en los que tradicionalmente hemos confiado».
Velocidad y eficiencia: las ventajas del aprendizaje automático
El modelo de DeepMind es un ejemplo de aprendizaje automático, y no de inteligencia artificial generativa como ChatGPT. El aprendizaje automático toma cantidades masivas de datos y extrae patrones de tal forma que su modelo tarda apenas unos minutos en arrojar una respuesta, pudiendo ejecutarse en un ordenador de escritorio. Esto contrasta marcadamente con los principales modelos utilizados por los gobiernos durante décadas, cuya ejecución puede llevar horas y requiere algunos de los superordenadores más grandes del mundo. El hecho de que el modelo de Google pueda superar a los modelos estándar anteriores con semejante rapidez resulta sorprendente para los meteorólogos.
Limitaciones y el reto de la «caja negra»
A pesar de su impresionante rendimiento, el modelo no es perfecto. James Franklin, meteorólogo jubilado del NHC, indicó que, al igual que muchas inteligencias artificiales, el modelo de DeepMind falla a veces en las previsiones de intensidad extrema, tal como ocurrió con el huracán Erin y el tifon Kalmaegi. También existe preocupación en torno a la naturaleza de «caja negra» del modelo. Franklin declaró: «Lo único que me inquieta es que los resultados del modelo son una especie de caja negra». Franklin planea hablar con Google para averiguar cómo proporcionar datos adicionales que permitan a los pronosticadores evaluar exactamente por qué el modelo llega a sus conclusiones, algo vital para generar confianza en esta nueva tecnología.
Preguntas frecuentes
P: ¿En qué se diferencia el modelo de Google DeepMind de los modelos meteorológicos tradicionales?
R: Los modelos tradicionales dependen de ecuaciones físicas y requieren mucho tiempo. El modelo de DeepMind utiliza el aprendizaje automático para detectar patrones en los datos, lo que lo hace mucho más rápido y económico de ejecutar.
P: ¿Es siempre preciso el modelo de DeepMind?
R: Aunque ha sido el de mejor rendimiento de esta temporada en la predicción de trayectorias, todavía se enfrenta a desafíos a la hora de anticipar con exactitud la intensidad máxima de los huracanes en determinadas ocasiones.
P: ¿Por qué es tan importante la predicción rápida de huracanes?
R: Una predicción rápida y precisa otorga a las autoridades y a las comunidades un tiempo crucial para prepararse y llevar a cabo evacuaciones, lo que puede reducir significativamente la pérdida de vidas y los daños materiales.
