Una inteligencia artificial especializada puede predecir la trayectoria de los ciclones con más de 30 horas de antelación, sin perder la precisión de los métodos de referencia.
Predecir por dónde pasará un ciclón suele basarse en varios modelos meteorológicos. Estos calculan la evolución de la atmósfera a partir de las leyes de la física. Después, los meteorólogos comparan sus resultados y tienen en cuenta sus incertidumbres. Este método requiere muchos cálculos, especialmente cuando hay que producir numerosos escenarios posibles.
Imagen Wikimedia
El sistema presentado en Nature sigue otro camino. Aprende a partir de grandes conjuntos de datos meteorológicos y archivos de ciclones. Después puede producir numerosos escenarios que describen la posible evolución de la atmósfera y la posición futura del ciclón. Estas previsiones se extienden hasta 15 días.
El interés reside sobre todo en el tiempo que se gana. Con una precisión comparable para la trayectoria, el sistema alcanza ciertos niveles de calidad más de 30 horas antes que los métodos utilizados como referencia. En otras palabras, la información sobre el paso probable de un ciclón puede volverse suficientemente fiable más de un día antes.
Esta ventaja cuenta directamente para las regiones amenazadas. Unas decenas de horas adicionales pueden dar más tiempo para preparar evacuaciones, proteger infraestructuras u organizar las operaciones de rescate. Sin embargo, una trayectoria sigue siendo una predicción probabilística: aún son posibles varios recorridos, sobre todo varios días antes de la llegada del fenómeno.
Para tener en cuenta esta incertidumbre, el modelo no calcula una única evolución de la atmósfera. Genera un conjunto de escenarios. Si muchos de ellos siguen una ruta parecida, los meteorólogos disponen de una señal más sólida. Si divergen mucho, esa dispersión indica, por el contrario, que la trayectoria sigue siendo incierta.
El sistema ya ha superado la etapa de laboratorio. Google DeepMind trabajó con el National Hurricane Center estadounidense para proporcionar sus predicciones a los especialistas durante una temporada de huracanes. Según una presentación de la NOAA dedicada a este experimento, estos datos sirvieron como guía operativa para los meteorólogos.
Sin embargo, los modelos de inteligencia artificial no resuelven todas las dificultades. Trabajos anteriores muestran que pueden ser muy eficaces para seguir la trayectoria de un ciclón, pero menos fiables para predecir su intensidad. En particular, la velocidad máxima de los vientos y su rápida evolución siguen siendo difíciles de reproducir correctamente.
El siguiente paso consiste, por tanto, en evaluar estas predicciones con más ciclones y temporadas, especialmente en lo relativo a los cambios rápidos de intensidad. Su uso operativo también dependerá de la fiabilidad de las probabilidades proporcionadas, ya que las decisiones de alerta se basan tanto en la incertidumbre como en la trayectoria más probable.