Microsoft dice que encontró una manera más económica de hacer que los pronósticos del tiempo sean más precisos entre dos y seis semanas de anticipación, un periodo en el que tanto los modelos de pronóstico tradicionales como los sistemas de IA más recientes suelen perder confiabilidad. Los hallazgos fueron publicados en la revista Nature, y la herramienta ya es un software de código abierto. Los investigadores afirman que las predicciones de largo alcance podrían ayudar a agricultores y equipos de emergencia a planificar con más confianza.

Microsoft se suma a Google, Nvidia y otras compañías que desarrollan herramientas de IA para el pronóstico del tiempo. Sin embargo, en lugar de construir un nuevo modelo meteorológico independiente, el equipo de Microsoft utiliza aprendizaje automático para corregir el sesgo de los modelos que ya existen. Los investigadores esperan que este enfoque sea más fácil de adoptar para las agencias meteorológicas con recursos limitados.

Los modelos basados en física y los basados en IA enfrentan dificultades por una razón similar. Los modelos tradicionales intentan simular la compleja física de la atmósfera terrestre, mientras que los modelos de IA buscan patrones en datos históricos. Ambos dependen de aproximaciones para llenar vacíos, ya sea donde las estaciones meteorológicas son escasas o donde los fenómenos atmosféricos aún se comprenden poco. Esas aproximaciones pueden convertirse en un sesgo sistemático, y los errores se acumulan a medida que el pronóstico se proyecta más lejos.

Microsoft llama a su método Probabilistic Bias Correction, o PBC. La herramienta utiliza aprendizaje automático para identificar el sesgo sistemático de un modelo y realizar correcciones. Lester Mackey, investigador principal sénior de Microsoft Research New England, ofreció un ejemplo: el cambio climático. Las emisiones de gases de efecto invernadero provenientes de los combustibles fósiles están calentando el planeta, pero un modelo meteorológico construido con registros históricos podría inclinar sus predicciones hacia temperaturas más frías de las que el mundo experimenta actualmente.

Mackey dijo que la herramienta puede funcionar solo con CPU, lo cual es importante porque el modelado basado en física es una tarea que consume muchos recursos y que se ejecuta en supercomputadores, mientras que la IA generativa depende de GPU potentes. “Tengo muchas esperanzas tanto en la mayor eficiencia de recursos del pronóstico del tiempo como en la mayor confiabilidad de los pronósticos a largo plazo, especialmente para los fenómenos meteorológicos extremos”, le dijo Mackey a The Verge.

En el análisis del estudio, PBC mejoró la precisión de un modelo líder basado en física del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) en el 98 por ciento de los objetivos de precipitación y el 92 por ciento de los objetivos de temperatura. El marco de aprendizaje automático también duplicó la precisión del nuevo sistema de pronóstico con IA del ECMWF. El ECMWF ya había premiado la investigación de PBC de los autores en su competencia AI Weather Quest antes de que se publicara el artículo.

El artículo, elaborado por investigadores de Microsoft, MIT, ECMWF y otras instituciones, recibió elogios de la agencia. “Es un buen ejemplo de nuevas ideas que se desarrollan para el beneficio y la consideración de la comunidad”, dijo Matthew Chantry, líder estratégico del ECMWF en aprendizaje automático, en un comentario enviado por correo electrónico a The Verge.

Chantry fue franco sobre los obstáculos que quedan. “Como siempre, convertir las ideas en realidad [en] un proceso operativo es un paso muy desafiante”, añadió.

La capacidad de cómputo y la infraestructura necesarias para el pronóstico del tiempo a menudo han puesto los avances tecnológicos fuera del alcance de las agencias de países en desarrollo. Los autores creen que PBC podría ser diferente. “Una de las cosas que realmente me emociona de modelos como PBC es lo livianos que son, lo fáciles que son de entrenar, y que científicos sin grandes cantidades de recursos puedan trabajar en configurar estos modelos y hacer que funcionen mejor en localidades específicas”, dijo Genevieve Flaspohler, una de las autoras del artículo.

Flaspohler trabajó en PBC como pasante en Microsoft junto con Mackey. Actualmente es directora ejecutiva de la organización sin ánimo de lucro Rhiza Research, que trabaja con la Autoridad de Servicios Meteorológicos de Kenia, con financiación de la Fundación Gates, para determinar si la IA puede ayudar a entregar alertas tempranas más precisas a la población. PBC es uno de los métodos que el grupo está probando antes de una temporada de lluvias que se espera sea más extrema durante un El Niño récord.

Este artigo foi escrito com a assistência de IA.
News Factory APP - notícias agênticas para impulsionar seu SEO e AEO.