Un equipo de científicos de Microsoft Research y del Instituto Tecnológico de Massachusetts (MIT) desarrolló un sistema de inteligencia artificial (IA) capaz de duplicar la precisión de los pronósticos meteorológicos de entre dos y seis semanas, un período en el que los modelos tradicionales presentan importantes dificultades para anticipar las condiciones del tiempo. Los resultados de la investigación fueron publicados este miércoles en la revista científica Nature.
La nueva herramienta utiliza aprendizaje automático para identificar y corregir errores recurrentes en los modelos meteorológicos existentes, en lugar de desarrollar un sistema de predicción completamente nuevo.
Los investigadores denominaron a esta tecnología corrección probabilística de sesgos (PBC, por sus siglas en inglés), que permite ajustar las previsiones mediante el análisis de información meteorológica histórica.
El avance podría beneficiar a sectores como la agricultura, la producción energética y los organismos responsables de atender emergencias, que necesitan conocer con anticipación las condiciones climáticas para planificar sus actividades.
«Estas mejoras en la capacidad predictiva probabilística se traducen en una predicción más precisa de fenómenos extremos y tienen el potencial de mejorar la planificación agrícola, la gestión energética y la preparación ante desastres en comunidades vulnerables», escriben los autores en su artículo.
Actualmente, los pronósticos meteorológicos se elaboran principalmente mediante modelos dinámicos, que simulan el comportamiento de la atmósfera y los océanos, y sistemas de inteligencia artificial entrenados con registros históricos. Aunque estos últimos consiguieron avances en las previsiones de corto plazo, su rendimiento disminuye cuando se intenta anticipar el tiempo durante períodos más prolongados, incluso por debajo de los resultados de los modelos dinámicos, según el MIT.
La diferencia del nuevo sistema consiste en incorporar una capa adicional de procesamiento que reconoce los patrones de error de cualquier modelo meteorológico utilizado y modifica sus resultados para obtener previsiones más confiables.
«A medida que se dispone de más previsiones y datos, nuestro modelo mejora de forma adaptativa su corrección», indica Judah Cohen, del MIT. Por su parte, Lester Mackey, de Microsoft Research, explicó que esta tecnología permite perfeccionar los pronósticos subestacionales, correspondientes a períodos de dos a seis semanas.
Pruebas con modelos meteorológicos europeos
Para comprobar su funcionamiento, los investigadores presentaron el año pasado tres modelos que incorporaban esta tecnología al Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), organismo que organiza competencias entre diferentes sistemas de predicción. La propuesta ganadora combinó el modelo del centro europeo con otro sistema meteorológico y posteriormente aplicó el procedimiento de corrección desarrollado por los científicos.
Los resultados mostraron que la herramienta PBC mejoró el rendimiento del modelo subestacional operativo del ECMWF en el 98 % de los casos relacionados con precipitaciones, el 92 % de las previsiones de temperatura y el 91 % de las correspondientes a presión atmosférica. Además, consiguió duplicar la precisión del sistema de pronósticos basado en inteligencia artificial del organismo europeo.
La investigación también permitió superar por primera vez la precisión obtenida mediante los promedios climáticos históricos para este tipo de previsiones.
«Hasta ahora, nadie había sido capaz de demostrar que un modelo predijera el tiempo mejor que las medias a largo plazo para estas previsiones subestacionales», subraya Cohen.
Los científicos también encontraron mejoras estadísticamente significativas en la capacidad de anticipar fenómenos meteorológicos extremos, lo que podría contribuir a fortalecer la prevención de desastres y la planificación de actividades vulnerables a las condiciones climáticas.
