Un equipo de la Universidad de Ginebra (UNIGE) y del Instituto de Tecnología de Karlsruhe demuestra que los modelos numéricos clásicos siguen siendo hasta la fecha más fiables para prever los fenómenos extremos, aunque los modelos de inteligencia artificial los superan en situaciones cotidianas. Estos resultados se publican en Science Advances.
Observación de la ola de calor que azotó Siberia en 2020, batiendo todos los récords y provocando, entre otros, violentos incendios forestales (imagen generada a partir de datos del Centro Europeo de Previsiones Meteorológicas a Medio Plazo).
Para predecir el clima de los próximos días o semanas, los meteorólogos se apoyan en simulaciones generadas por modelos matemáticos complejos. Alimentados por grandes cantidades de datos —recogidos por estaciones meteorológicas, satélites o aviones—, aplican las leyes de la física a estas informaciones para simular el estado futuro de la atmósfera.
El Centro Europeo de Previsiones Meteorológicas a Medio Plazo, por ejemplo, utiliza un modelo llamado High RESolution forecast o "HRES". Proporciona simulaciones a 35 países del continente basándose en este modelo.
Si este método es fiable y robusto, también es costoso y consume mucha energía: requiere un importante parque de superordenadores capaces de resolver millones de ecuaciones varias veces al día. "La introducción, hace unos tres años, de los primeros modelos basados en inteligencia artificial, en paralelo al enfoque numérico tradicional, abrió el camino a una simplificación de los procesos y a una reducción de sus costos", explica Sebastian Engelke, profesor del Research Institute for Statistics and Information Science de la Geneva School of Economics (GSEM) de la UNIGE.
Pero ¿puede este enfoque basado en IA predecir la ocurrencia, hasta diez días antes, de eventos extremos a menudo sin precedentes? En un estudio reciente, el equipo de Sebastian Engelke muestra que la IA supera a los modelos clásicos —en este caso el HRES— para predecir situaciones cotidianas, pero comete errores más significativos que el HRES al predecir la intensidad y frecuencia de temperaturas y vientos extremos.
"El principal problema de los modelos de IA es su dificultad para generalizar más allá de los datos con los que fueron entrenados, que abarcan entre 1979 y 2017. Así, tienden a limitarse a los valores extremos ya observados en el pasado, como si chocaran con un techo implícito. Por el contrario, los modelos convencionales, basados en la física atmosférica, no están limitados por esta restricción y pueden representar teóricamente situaciones inéditas", explica Zhongwei Zhang, antiguo posdoctorando en el equipo de Sebastian Engelke, ahora afiliado al Instituto de Estadística del Instituto de Tecnología de Karlsruhe, y primer autor del estudio.
Estos resultados ponen de manifiesto las limitaciones actuales de los modelos meteorológicos basados en inteligencia artificial cuando se trata de extrapolar más allá de su dominio de aprendizaje y predecir eventos meteorológicos récord. Subrayan la necesidad de continuar su evaluación y mejora antes de poder utilizarlos de manera autónoma en sistemas de alerta temprana y gestión de catástrofes.