Una de las áreas más prometedoras para la aplicación de la IA es la predicción meteorológica. Recientemente, Google ha dado un paso significativo en este sentido al anunciar su nuevo modelo de IA, el Scalable Ensemble Envelope Diffusion Sampler (SEEDS), destinado a optimizar las predicciones meteorológicas.
¿Qué es SEEDS y por qué es importante?
SEEDS representa un cambio de paradigma en la forma en que se pronostica el clima. Tradicionalmente, los modelos de predicción se basan en pronósticos probabilísticos que, aunque útiles, dependen en gran medida de las condiciones iniciales y requieren actualizaciones constantes para mejorar su precisión. Este enfoque introduce una cantidad significativa de incertidumbre, especialmente para predicciones a largo plazo, y también exige recursos computacionales considerables, lo que se traduce en altos costos.
Aquí es donde SEEDS marca la diferencia. Este modelo utiliza modelos probabilísticos de difusión con desruido, una técnica avanzada que mejora la precisión de las predicciones iniciales y reduce la necesidad de generaciones de pronóstico constantes, minimizando así el coste computacional.
Como decía, los modelos actuales enfrentan dos grandes retos: la precisión y el coste. La incertidumbre se incrementa con la duración de la predicción, y los costes se disparan debido a la necesidad de supercomputadoras para ejecutar modelos numéricos del clima altamente complejos. Esto tenía que acabar ya.
El impacto de SEEDS y ejemplos
El papel de SEEDS es doble. Por un lado, mejora la precisión de las predicciones meteorológicas, especialmente en eventos extremos que son difíciles de prever con los modelos actuales. Por otro lado, reduce significativamente los costes asociados a la predicción meteorológica. Este modelo ha sido entrenado con métricas basadas en habilidades, como el histograma de rango, el error cuadrático medio (ECM) y la puntuación de probabilidad continua clasificada (CRPS), mostrando una mejora en la fiabilidad sobre los modelos gaussianos tradicionales.
Un ejemplo destacado de la aplicación de SEEDS es su capacidad para predecir con mayor fiabilidad fenómenos como las intrusiones de aire caliente desde África del Norte, que pueden exacerbar las olas de calor sobre Europa. Este modelo no solo predice adecuadamente las distribuciones univariantes marginales, sino que también captura correlaciones espaciales y entre campos que los modelos gaussianos no pueden.
Aunque SEEDS aún debe ser revisado por pares y su viabilidad comercial está pendiente de evaluación, su desarrollo señala un avance significativo en la tecnología de predicción meteorológica. Google continúa explorando el potencial de la IA para superar desafíos complejos, y SEEDS es un claro ejemplo de cómo la tecnología puede ofrecer soluciones más precisas y rentables.
Recordad que Google ya había trabajado en este tema en el pasado.
Podéis leer el informe en blog.research.google.