A principios de junio de 2025, Google presentó su modelo “Meteorle Lab”, una herramienta impulsada por IA diseñada para pronosticar las pistas e intensidad de los ciclones tropicales. Este modelo es parte de la suite más amplia de Google Deepmind de modelos de investigación meteorológica basados en IA. Google anunció que el modelo de laboratorio meteorológico había mostrado resultados prometedores en pruebas previas al lanzamiento, alegando que su precisión era comparable y a menudo excedida, la de los métodos existentes basados en la física.
Según la declaración inicial de Google, el modelo de laboratorio meteorológico fue entrenado utilizando un conjunto de datos integral que reconstruyó los patrones meteorológicos históricos y una base de datos especializada que contiene información detallada sobre las pistas, la intensidad y el tamaño de los huracanes. Para evaluar aún más su desempeño, Google se asoció con el Centro Nacional de Huracanes (NHC), una división del Servicio Nacional Oceánico y Atmosférico (NOAA), para evaluar las capacidades del modelo en las cuencas del Pacífico Atlántico y este.
La temporada de huracanes del Atlántico se mantuvo relativamente tranquila hasta unas pocas semanas antes del informe, con la actividad general por debajo de los niveles normales. Esto significaba que había oportunidades limitadas para probar rigurosamente el nuevo modelo en escenarios del mundo real. Sin embargo, aproximadamente 10 días antes de la publicación del artículo, el huracán Erin se sometió a una rápida intensificación en el Océano Atlántico abierto, subiendo a un huracán de categoría 5 mientras se movía hacia el oeste.
Desde una perspectiva de pronóstico, era evidente que Erin no afectaría directamente a los Estados Unidos. Sin embargo, los meteorólogos monitorearon de cerca la trayectoria e intensidad de la tormenta. Dado el gran tamaño de Erin, había preocupaciones sobre su proximidad a la costa este de los Estados Unidos, con posibles impactos como una erosión significativa en la playa y sus efectos en las Bermudas.
Durante una tormenta activa, puede ser difícil determinar qué modelo de pronóstico proporciona las predicciones más precisas. Si bien el rendimiento en tiempo real puede ofrecer información, las incertidumbres persisten hasta que se realiza un análisis exhaustivo posterior a la tormenta. Este análisis implica evaluar la precisión de cada modelo para predecir el camino y la intensidad de la tormenta.
Con Erin disipado, tal evaluación se hizo posible. En lo que se describió como la prueba más significativa de la temporada del Atlántico hasta la fecha, el Laboratorio Meteorológico de Google ofreció el mejor rendimiento para pronósticos hasta 72 horas (tres días). Estos hallazgos se basaron en datos compilados por James Franklin, ex jefe de la Unidad Especialista en Huracanes en el Centro Nacional de Huracanes.
El análisis de Franklin comparó el rendimiento del modelo de Google (GDMI) con el pronóstico oficial de la pista del Centro Nacional de Huracanes, así como varios modelos basados en física, incluidos modelos de pronóstico global y modelos específicos de huracanes. Los modelos basados en la física, también conocidos como modelos de predicción meteorológica numérica, se basan en ecuaciones complejas y condiciones atmosféricas iniciales para simular cambios atmosféricos con el tiempo. Estos modelos requieren un poder computacional sustancial e históricamente han sido una piedra angular de pronósticos meteorológicos.
En los últimos 25 años, los avances en el hardware de la computadora y las mejoras en la recopilación y la entrada de datos atmosféricos en tiempo real han llevado a reducciones significativas en los errores de pronóstico de seguimiento de huracanes. Los datos indicaron que el modelo de Google no solo superó el pronóstico oficial de la pista del Centro de Huracanes Nacionales, sino que también superó los numerosos modelos basados en la física.
En términos de pronósticos de intensidad, el modelo de Google también demostró un rendimiento superior en comparación con otros modelos dentro de las primeras 72 horas. Su precisión en la marca de 48 horas fue particularmente notable. Los modelos TVCN e IVCN, que representan modelos de “consenso” para la pista e intensidad, son monitoreados de cerca por los pronosticadores en el Centro de Huracanes. Estos modelos, que generalmente no se hacen públicos, proporcionan un promedio de sesgo corregido de varios modelos de alto rendimiento. El hecho de que el modelo de Google superó a estos modelos de consenso se consideró significativo.
La corrección de sesgo implica ajustar los sesgos de pronóstico conocidos en diferentes modelos. Desde el punto de vista de pronóstico, el rango de tres a cinco días es crucial para tomar decisiones informadas sobre evacuaciones y otras preparaciones de huracanes. Si bien las mejoras en el rendimiento del modelo de IA se desean para este rango de pronóstico más largo, la conclusión general fue que el modelado del clima de IA está progresando sustancial.
Los modelos meteorológicos de IA se están convirtiendo rápidamente en herramientas esenciales para predecir eventos de alto impacto como los huracanes. Si bien el modelo de Google puede no ser el mejor desempeño para cada tormenta, probablemente se considerará una mayor consideración en pronósticos futuros. El rápido desarrollo de herramientas como el laboratorio meteorológico de Google y otros modelos meteorológicos de AI ha demostrado habilidades equivalentes a los mejores modelos basados en física en un período relativamente corto. Las mejoras continuas en estos modelos podrían establecerlas potencialmente como el estándar de oro para ciertos tipos de predicción del clima.
Eric Berger, el editor espacial senior de ARS Technica y un meteorólogo certificado, enfatizó la creciente importancia de la IA en el pronóstico del tiempo, señalando que estos modelos se están convirtiendo rápidamente en un componente vital del conjunto de herramientas del pronosticador. Advirtió que ningún modelo solo será el mejor para cada tormenta, pero sugirió que los modelos de IA como el Laboratorio Meteorológico de Google tendrán más peso en futuras decisiones de pronóstico.
Berger también destacó el rápido progreso de los modelos meteorológicos de IA, afirmando que ya han logrado niveles de habilidad comparables a los mejores modelos basados en física en un tiempo relativamente corto. Llegó a la conclusión de que si estos modelos continúan mejorando, podrían convertirse en el estándar de oro para tipos específicos de predicción del clima.
Source: La IA del laboratorio meteorológico de Google supera a los pronósticos de huracanes hasta 72 horas
