Aardvark Weather, un modelo capaz de predecir el tiempo más rápido y con menos recursos gracias a la IA

Un grupo de investigadores de la Universidad de Cambridge ha desarrollado un nuevo modelo meteorológico capaz de predecir el tiempo con más precisión y hasta 10 veces más rápido que los modelos convencionales. El modelo, creado de manera conjunta con el Instituto Alan Turing, Microsoft Research y el Centro europeo para predicciones meteorológicas de medio alcance, es capaz de hacerlo consumiendo menos recursos que los modelos convencionales. Se llama Aardvark Weather y tiene potencial para revolucionar el campo de la meteorología.

El modelo, cuyos detalles y resultados se han publicado en un artículo en la revista Nature, puede realizar predicciones meteorológicas hasta 10 veces más precisas que los sistemas actuales. Además, para funcionar necesita muchísima menos potencia de computación que otros sistemas.

La investigación que ha dado lugar al desarrollo de modelo, liderada por el profesor del Departamento de ingeniería de Cambridge Richard Turner, señala también que Aardvark es varios miles de veces más rápido que otros métodos de predicción del tiempo.

Los investigadores que han colaborado en su creación señalan que gracias a la IA que integra el sistema, han sido capaces de sustituir todo el proceso de predicción del tiempo convencional por un solo modelo de machine learning. Este modelo puede tomar como fuentes datos de observaciones de satélite, estaciones meteorológicas y diversos tipos de sensores. Es capaz de generar previsiones del tiempo tanto locales como a nivel global.

Según Turner, uno de los secretos de las mejoras que aporta Aardvark Weather a la predicción meteorológica es su diferencia de enfoque. Hasta ahora, los proyectos encargados de mejorar la previsión del tiempo se limitaban a su predicción, y no se fijaban en todas las tareas previas a ellas, que se realizan en una etapa conocida como inicialización. Tal como apuntan en New Scientist, con Aardvark también han sido capaces de reestructurar esta fase, que ahora emplea un 90% menos de datos en esta fase que los sistemas tradicionales.

En ella se recogen datos de satélites, globos de meteorología y estaciones meteorológicas de todo el mundo, para después depurarlos, manipularlos y fusionarlos en una red organizada que se toma como base para la predicción. Turner destaca que todas estas tareas consumen la mitad de los recursos de computación empleados en el proceso.

Hasta ahora, además, una previsión meteorológica necesitaba la observación de varios modelos. Cada uno de ellos necesita un superordenador para generarse, además de un equipo de soporte para hacerlo funcionar. También se necesita bastante tiempo para generar estos modelos. En general, se tarda varias horas, e incluso días en su creación. Pero con Aardvark Weather, se puede realizar el mismo trabajo en minutos, e incluso en segundos, y utilizando un ordenador de escritorio convencional.

Eso sí, todavía será necesario ajusta el modelo para mejorar sus resultados en patrones de tiempo complejos e inesperados. Esto se debe a que Aardvark usa un modelo de rejilla de la superficie de la tierra que tiene 1,5 grados cuadrados.

Mientras tanto, el modelo ERA5 de ECMWF emplea una rejilla con unas rejillas de solo 0,3 grados. Por eso todavía no es capaz de predecir con precisión y detalle sucesos de tiempo extremo. Aún así, Turner asegura que Aardvark ya mejora a algunos modelos en la previsión de eventos poco habituales, como los ciclones.

Otro punto débil que presenta todavía el modelo es que depende completamente de los modelos basados en física para su entrenamiento, y que no funciona si se eliminan los datos de entrenamiento y solo se usa con los datos procedentes de la observación. Ya han probado a hacerlo, pero por ahora no ha funcionado.

Por tanto, cree que al menos a medio plazo el futuro de la previsión meteorológica pasa porque los científicos trabajen en modelos basado en física todavía más precisos, y que los usen después para entrenar modelos de IA que repliquen su salida con más rapidez y un uso menor de hardware. Algunos son incluso más optimistas en cuanto al futuro de la previsión meteorológica si en ello interviene la IA.