El Centro Europeo para Previsiones Meteorológicas a Plazo Medio (ECMWF) ha lanzado un nuevo modelo de predicción basado en inteligencia artificial que, según la institución, supera en hasta un 20% a los modelos físicos más avanzados. Este innovador sistema, denominado Sistema de Predicción por Inteligencia Artificial (AIFS), opera a velocidades significativamente superiores a las de los modelos tradicionales basados en física y requiere aproximadamente 1,000 veces menos energía para generar un pronóstico, de acuerdo con un comunicado del ECMWF.
La importancia de ECMWF
El ECMWF es una organización intergubernamental independiente respaldada por 35 Estados, que opera tanto como un instituto de investigación como un servicio operativo ininterrumpido. Su misión es generar y distribuir predicciones meteorológicas numéricas a sus Estados Miembros, cuyos servicios meteorológicos nacionales tienen acceso pleno a estos datos. Adicionalmente, el Centro ofrece un catálogo de datos de pronóstico disponible para empresas y clientes comerciales a nivel global, además de una creciente gama de datos abiertos y gráficos.
El Centro Europeo para Previsiones Meteorológicas a Plazo Medio (ECMWF) ha lanzado un nuevo modelo de predicción basado en inteligencia artificial que, según la institución, supera en hasta un 20% a los modelos físicos más avanzados
La infraestructura de supercomputación del ECMWF, junto con su extenso archivo de datos, es una de las más avanzadas de Europa. Los Estados Miembros pueden utilizar hasta el 25% de su capacidad para sus propios fines. Desde su fundación en 1975, el ECMWF ha crecido hasta contar con aproximadamente 500 empleados de más de 30 países y forma parte de las Organizaciones Coordinadas, junto con la Organización del Tratado del Atlántico Norte (OTAN), el Consejo de Europa (CoE), la Agencia Espacial Europea (ESA), la Organización para la Cooperación y el Desarrollo Económicos (OCDE) y la Organización Europea para la Explotación de Satélites Meteorológicos (EUMETSAT). Su sede principal se encuentra en Reading, Reino Unido, con instalaciones adicionales en Bolonia, Italia, y Bonn, Alemania.
Generar y distribuir predicciones meteorológicas
Con cinco décadas de trayectoria, el ECMWF ha desarrollado algunos de los modelos de predicción meteorológica más avanzados a nivel global, como ENS, una referencia en pronósticos a mediano plazo. Esta categoría abarca predicciones con una anticipación de entre tres y quince días, aunque el ECMWF también elabora proyecciones con hasta un año de antelación. Los modelos meteorológicos son herramientas fundamentales tanto para que los gobiernos puedan prepararse ante eventos climáticos extremos como para la planificación de actividades cotidianas, como la organización de viajes.
Los modelos tradicionales de predicción meteorológica resuelven ecuaciones físicas para generar pronósticos, pero tienen la limitación de ofrecer solo aproximaciones de la dinámica atmosférica. En contraste, los modelos impulsados por inteligencia artificial pueden identificar relaciones y patrones climáticos más complejos directamente a partir de los datos, sin depender exclusivamente de ecuaciones predefinidas.
El anuncio del ECMWF llega poco después del lanzamiento de GenCast, el modelo de predicción meteorológica basado en inteligencia artificial de Google DeepMind. Esta nueva evolución del software de Google, que incorpora las tecnologías NeuralGCM y GraphCast, ha demostrado un rendimiento superior a ENS en el 97.2% de los indicadores evaluados en diversas variables meteorológicas. En pronósticos con más de 36 horas de anticipación, GenCast superó la precisión de ENS en el 99.8% de los casos. El ECMWF continúa a la vanguardia de la innovación en meteorología. El lanzamiento de AIFS-single es solo la primera versión operativa de este sistema, y el equipo ya trabaja en la combinación de modelos basados en datos con enfoques físicos para mejorar aún más la precisión de sus predicciones.
La integración de inteligencia artificial con modelos físicos de predicción meteorológica representa un avance clave hacia pronósticos más detallados. Hasta la fecha, las pruebas indican que la inteligencia artificial puede superar a los modelos tradicionales, aunque su desempeño ha dependido en gran medida de datos de reanálisis. La recopilación de datos meteorológicos a través de instrumentos y sensores ubicados en la superficie terrestre han sido esenciales para entrenar estos modelos, pero aún queda por determinar hasta qué punto esta tecnología podrá mantener su precisión al operar exclusivamente con datos en tiempo real y sin referencias previas.
Sé el primero en comentar