Un nuevo modelo de aprendizaje automático podría aumentar la precisión de los pronósticos meteorológicos locales, un avance que podría cambiar especialmente la vida de los gobiernos y las comunidades de bajos ingresos.
El problema es que desarrollar pronósticos regionales precisos es notoriamente difícil debido a la compleja física que impulsa las fuertes precipitaciones y los fenómenos meteorológicos extremos. El pronóstico regional requiere supercomputadoras y profesionales locales capacitados, por lo que solo es accesible para gobiernos y comunidades adinerados.
Para abordar esto, los científicos de datos y los investigadores de la startup ClimateAi han desarrollado un modelo de aprendizaje automático que podría democratizar el pronóstico regional en un grado sin precedentes. El modelo corrige los sesgos que existen actualmente en los modelos climáticos globales y ofrece pronósticos locales precisos sin las restricciones tradicionales y costosas de los sistemas de pronóstico actuales.
La investigación del equipo sobre el modelo ha pasado por una extensa revisión por pares y se publicará en la 25ª Conferencia Internacional sobre Inteligencia Artificial y Estadísticas (AISTATS) a fines de marzo.
En el corazón del desafío, resulta que es una cuestión de resolución. Los pronósticos meteorológicos tradicionales para los próximos días tienen una resolución muy baja y, por lo tanto, no capturan los eventos extremos locales. Una alternativa que se ha utilizado en los últimos años es utilizar observaciones continuas para pronosticar el clima local hasta un par de horas antes.
La utilidad de dichos pronósticos es limitada cuando se trata de fenómenos meteorológicos extremos. La solución es aumentar la resolución de esas previsiones tradicionales, que son bastante precisas.
El Dr. Stephan Rasp, científico principal de datos de ClimateAi, e Ilan Price de la Universidad de Oxford desarrollaron un enfoque innovador de aprendizaje automático. Utiliza redes adversarias generativas (GAN) entrenadas en pronósticos meteorológicos globales para corregir los sesgos que existen en los modelos meteorológicos actuales. El nuevo modelo reduce los pronósticos globales para que sean tan precisos como un pronóstico local, sin requerir la gran cantidad de recursos computacionales, financieros y humanos que antes se necesitaban para una escala tan pequeña.
«Yendo más allá de la reciente ráfaga de actividad para mejorar los ‘pronósticos inmediatos’, nuestro nuevo modelo logra la misma precisión para los pronósticos en el horizonte de varias horas a días», señaló el Dr. Rasp. «Al adoptar un enfoque doble, podemos tener en cuenta los errores sistemáticos en los modelos globales y aumentar la resolución del pronóstico para que los extremos regionales se capturen con precisión».
Al eliminar las costosas limitaciones de los sistemas de pronóstico actuales, incluida la necesidad de un meteorólogo altamente capacitado que proporcione información a través de modelos complejos, esta nueva técnica podría ser de gran ayuda para las comunidades que no pueden permitirse la tecnología para pronósticos locales de alta resolución.
¿Cómo se ve eso en la práctica? ClimateAi sugiere un escenario en el que, en lugar de simplemente confirmar un «40 % de probabilidad de lluvia esta semana» para toda una región, el nuevo modelo permitiría a los usuarios responder fácilmente preguntas más útiles como:
¿Cuál es la probabilidad de que llueva vs. que no llueva mañana?
¿Dónde lloverá exactamente?
Si llueve, ¿lloviznará por todas partes, caerá en un lugar específico o caerá en muchos lugares pero lloviznará en otros?
Los investigadores señalan que los pronósticos burdos a gran escala ocultan las respuestas a estas preguntas.
«Los avances de la inteligencia artificial y el aprendizaje automático están cambiando el pronóstico del tiempo, y los modelos climáticos regionales con muchos recursos pronto podrían ser reemplazados por completo por enfoques de aprendizaje automático», agregó el Dr. Rasp. «Los pronósticos procesables apoyarán a las empresas y los gobiernos que buscan proteger sus iniciativas y operaciones contra el cambio climático».
Por supuesto, el nuevo modelo también está en consonancia con los objetivos comerciales más amplios de ClimateAi de ayudar a las empresas a gestionar mejor el riesgo climático con inteligencia procesable. En una era de clima extremo cada vez mayor debido al cambio climático, la firma de San Francisco está posicionada para ayudar a las cadenas de suministro a evitar interrupciones costosas.
