GenCast se destaca al generar no una, sino cincuenta previsiones simultáneas, cada una representando un escenario meteorológico que luego se comparan para proponer el escenario más probable. Este enfoque, conocido como "por conjuntos", permite delinear con precisión el rango de posibilidades, una innovación clave en un campo donde la incertidumbre predomina más allá de unos pocos días.
Pero, ¿cómo logra esta IA tales resultados? Combinando la potencia de los modelos de difusión, a menudo empleados para generar imágenes, con una adaptación específica a la geometría esférica de la Tierra. Gracias a esta estructura, GenCast puede trazar las complejas evoluciones climáticas con una precisión sin precedentes.
Este modelo fue entrenado con cuatro décadas de datos obtenidos de los archivos ERA5 del Centro Europeo para las Previsiones Meteorológicas a Medio Plazo. Entre las variables integradas: temperatura, velocidad del viento y presión atmosférica. Esta información permite a la IA aprender los grandes patrones climáticos y ofrecer previsiones detalladas con una resolución de 0,25 grados.
En las pruebas, GenCast superó al sistema ENS, la referencia mundial actual, en el 97,2 % de los casos, y hasta en el 99,8 % para plazos superiores a 36 horas. En solo ocho minutos, el modelo produce una previsión de 15 días utilizando un solo procesador TPU de Google Cloud, mientras que los métodos clásicos requieren supercomputadoras y horas de cálculo.
Estos datos muestran la humedad específica y las trayectorias previstas del tifón Hagibis antes de su llegada a Japón. Las previsiones de GenCast, iniciadas un día o 15 días antes, permanecen nítidas, aunque los promedios del conjunto y los estados perturbados aparecen difusos debido a la incertidumbre. Los espectros de potencia confirman una pérdida de resolución para estos estados difusos. Las trayectorias muestran una incertidumbre significativa a largo plazo, que disminuye a medida que se acerca el plazo.
Más allá del clima diario, las capacidades de GenCast son de gran importancia para fenómenos extremos, como los ciclones y los vientos fuertes. Al anticipar estos eventos con mayor exactitud, la IA podría salvar vidas y reducir los daños materiales.
El impacto potencial también se extiende a las energías renovables. Una mejor predicción de los vientos podría optimizar el uso de aerogeneradores, reforzando así la transición hacia una energía limpia y sostenible.
Sin embargo, este avance no excluye completamente las limitaciones. GenCast se basa en datos del pasado, y su eficacia ante un clima cambiante sigue siendo incierta. Los investigadores enfatizan la necesidad de actualizaciones frecuentes para adaptarse a las nuevas dinámicas climáticas.
Al poner a disposición los códigos y datos de GenCast, Google espera acelerar la innovación en este campo. ¿El objetivo? Combinar la inteligencia artificial y la meteorología tradicional.