M\u00e1s informaci\u00f3n<\/header>\n<\/aside>\nTurner se muestra entusiasmado con los resultados de la investigaci\u00f3n, desarrollada por la Universidad de Cambridge con el apoyo del Instituto Alan Turing, Microsoft Research y el Centro Europeo de Predicci\u00f3n Meteorol\u00f3gica a Medio Plazo (ECMWF por sus siglas en ingl\u00e9s): \u201cAardvark reinventa los m\u00e9todos actuales de predicci\u00f3n meteorol\u00f3gica ofreciendo el potencial de hacer que las predicciones meteorol\u00f3gicas sean m\u00e1s r\u00e1pidas, m\u00e1s baratas, m\u00e1s flexibles y m\u00e1s precisas que nunca, ayudando a transformar la predicci\u00f3n meteorol\u00f3gica tanto en los pa\u00edses desarrollados como en los pa\u00edses en desarrollo\u201d.<\/p>\n
Los sistemas de predicci\u00f3n num\u00e9rica del tiempo (NWP, por sus siglas en ingl\u00e9s) se remontan a la d\u00e9cada de los cincuenta y son capaces predecir ahora una amplia gama de variables con un plazo de hasta 15 d\u00edas. Se fundamentan en el procesamiento, mediate supercomputadoras, de modelos de la atm\u00f3sfera a partir de d\u00e9cadas de observaciones registradas, din\u00e1mica de fluidos y posprocesamiento estad\u00edstico de datos de teledetecci\u00f3n, radares, radiosondas y aeronaves. Su uso, desarrollo, mantenimiento e implementaci\u00f3n de estos sistemas complejos requieren mucho tiempo y grandes equipos de expertos<\/p>\n
Aardvark reemplaza todo este proceso mediante t\u00e9cnicas de aprendizaje autom\u00e1tico de extremo a extremo (end to end) impulsado por inteligencia artificial y, seg\u00fan sus creadores, \u201creduce los costos computacionales, elimina el sesgo de algunos aspectos de los sistemas NWP y permite la creaci\u00f3n r\u00e1pida y precisa de prototipos\u201d.<\/p>\n
\u201cAl utilizar solo el 10% de los datos de entrada de los sistemas existentes, Aardvark ya supera al Sistema Global de Pron\u00f3stico (GFS, por sus siglas en ingl\u00e9s) y es competitivo con otros servicios meteorol\u00f3gicos que utilizan informaci\u00f3n de docenas de modelos y an\u00e1lisis de pronosticadores humanos expertos\u201d, aseguran los investigadores.<\/p>\n
Y seg\u00fan Anna Allen, del Departamento de Ciencias de la Computaci\u00f3n y Tecnolog\u00eda de Cambridge y coautora del trabajo, \u201cestos resultados son solo el comienzo\u201d. En este sentido a\u00f1ade: \u201cEste enfoque de aprendizaje de extremo a extremo se puede aplicar f\u00e1cilmente a otros problemas de pron\u00f3stico meteorol\u00f3gico, por ejemplo, huracanes, incendios forestales y tornados. M\u00e1s all\u00e1 del clima, sus aplicaciones se extienden a la predicci\u00f3n m\u00e1s amplia del sistema terrestre, incluida la calidad del aire, la din\u00e1mica oce\u00e1nica y la predicci\u00f3n del hielo marino\u201d.<\/p>\n
Otra de las aplicaciones, m\u00e1s all\u00e1 de fen\u00f3menos globales y locales es el desarrollo de pron\u00f3sticos individualizados que, con los sistemas tradicionales, tardar\u00edan a\u00f1os y costar\u00edan una enorme suma: \u201cSu flexibilidad y dise\u00f1o simple, debido a que aprende directamente de los datos, se puede adaptar r\u00e1pidamente para producir pron\u00f3sticos personalizados para industrias o ubicaciones espec\u00edficas, ya sea para predecir las temperaturas para la agricultura africana o la velocidad del viento para una empresa de energ\u00eda renovable en Europa\u201d.<\/p>\n
Para defender esta virtud, Turner precisa: \u201cEn solo 18 meses, hemos sido capaces de construir algo que es competitivo con los mejores de estos sistemas [convencionales]utilizando solo una d\u00e9cima parte de los datos en una computadora de escritorio\u201d.<\/p>\n
Scott Hosking, compa\u00f1ero del investigador en el Instituto Alan Turing, insiste en que el potencial de la IA \u201ctransforma la toma de decisiones para todos, desde los responsables pol\u00edticos y los planificadores de emergencias hasta las industrias que dependen de pron\u00f3sticos meteorol\u00f3gicos precisos\u201d.<\/p>\n
Pero como todos los modelos de inteligencia artificial, sus resultados dependen de los datos de los que se alimenta para desarrollar sus propuestas y soluciones. En este caso, la memoria del nuevo cerebro ha sido el ERA5 del Centro Europeo de Predicci\u00f3n Meteorol\u00f3gica a Medio Plazo (ECMWF), una combinaci\u00f3n de datos de modelos de ocho d\u00e9cadas con observaciones coherentes con las leyes de la f\u00edsica de todo el mundo. En este sentido, Matthew Chantry director estrat\u00e9gico de aprendizaje autom\u00e1tico en el ECMWF, destaca la importancia de la cooperaci\u00f3n cient\u00edfica: \u201cEstamos encantados de colaborar en este proyecto que explora la pr\u00f3xima generaci\u00f3n de sistemas de pron\u00f3stico del tiempo. Parte de nuestra misi\u00f3n es desarrollar y ofrecer pron\u00f3sticos meteorol\u00f3gicos operativos de IA mientras compartimos datos abiertamente para beneficiar a la ciencia y a la comunidad en general\u201d.<\/p>\n
\u201cAardvark representa no solo un logro importante en la predicci\u00f3n del clima con IA, sino que tambi\u00e9n refleja el poder de la colaboraci\u00f3n y de reunir a la comunidad investigadora \u202fpara mejorar y aplicar la tecnolog\u00eda de IA de manera significativa\u201d, a\u00f1ade Chris Bishop, de Microsoft Research.<\/p>\n
Pese al nuevo sistema, cuyos creadores reivindican como m\u00e1s r\u00e1pido, preciso y eficiente que los modelos convencionales, la predicci\u00f3n meteorol\u00f3gica se sigue enfrentando la incertidumbre que genera la multiplicidad de factores implicados en procesos muy complejos. En este sentido, el profesor de la Facultad de Matem\u00e1ticas de la Universidad de Sevilla Emilio Carrizosa, que ha participado en investigaciones sobre \u00edndices clim\u00e1ticos de las sequ\u00edas, advierte que, en caso como la dana de Valencia, entran en juego los fen\u00f3menos raros no estacionarios. \u201cNo tenemos una muestra suficiente como para poder predecir con certeza el resultado. Estamos hablando de fen\u00f3menos para los que no tenemos datos similares o id\u00e9nticos a los que queremos estudiar sino solo parecidos y ah\u00ed podemos tener un sesgo que igual no podemos controlar y que es determinante en el fen\u00f3meno\u201d.<\/p>\n
Dim Coumou, experto en climatolog\u00eda de la Universidad de \u00c1msterdam (Pa\u00edses Bajos), coincide: \u201cLos eventos extremos son, por definici\u00f3n, raros. As\u00ed que no siempre tienes muchas observaciones. Ese es un gran obst\u00e1culo si se quieren utilizar m\u00e9todos de inteligencia artificial\u201d<\/p>\n
Del mismo modo, el astrof\u00edsico argentino Gustavo Romero considera la predicci\u00f3n meteorol\u00f3gica como uno de los procesos m\u00e1s complejos: \u201cLos meteor\u00f3logos pueden hacer predicciones probabilistas con una ventana de, a lo sumo, una semana. Pero pretender hacerlo m\u00e1s all\u00e1 es pr\u00e1cticamente imposible porque peque\u00f1as perturbaciones en las condiciones iniciales se propagan r\u00e1pidamente y producen enormes cambios en los resultados\u201d.<\/p>\n
Pese a las dificultades, gigantes tecnol\u00f3gicos como Google o IBM, en colaboraci\u00f3n con la NASA, y otras instituciones europeas y de otros continentes, en el marco del plan quinquenal de las Naciones Unidas, trabajan en la misma l\u00ednea que la Universidad de Oxford con Aardvark: desarrollar herramientas de inteligencia artificial que faciliten una predicci\u00f3n fiable a medio y largo plazo y mejoren los sistemas de alerta temprana.<\/p>\n
Google DeepMind, la compa\u00f1\u00eda de inteligencia artificial del gigante tecnol\u00f3gico norteamericano, mostr\u00f3 en Ciencia<\/i> un modelo de pron\u00f3stico del tiempo basado en aprendizaje autom\u00e1tico para aportar predicciones a 10 d\u00edas \u201cmejores, m\u00e1s r\u00e1pidas y m\u00e1s accesibles que los enfoques existentes\u201d, seg\u00fan el estudio. El modelo, denominado GraphCast, super\u00f3 a los sistemas tradicionales en el 90% de los casos probados.<\/p>\n
El sistema que sirvi\u00f3 de referencia a Google tambi\u00e9n fue el Centro Europeo de Previsiones Meteorol\u00f3gicas a Medio Plazo, que cuenta en Bolonia (Italia) con una supercomputadora con alrededor de un mill\u00f3n de procesadores y una potencia de 30 petaflops (30.000 billones de c\u00e1lculos por segundo). Este centro, que utiliza la inteligencia artificial en su Sistema Integrado de Previsi\u00f3n (AIFS) y ofrece pron\u00f3sticos a largo plazo de eventos clim\u00e1ticos, anticip\u00f3 las lluvias torrenciales de septiembre en el centro de Europa.<\/p>\n
GraphCast, al igual que Aardvark, recurre al aprendizaje autom\u00e1tico entrenado a partir de datos hist\u00f3ricos para arrojar un pron\u00f3stico preciso de 10 d\u00edas en menos de un minuto. \u201cCreemos que esto marca un punto de inflexi\u00f3n en la predicci\u00f3n meteorol\u00f3gica\u201d, afirman los autores, dirigidos por Remi Lam, cient\u00edfico de DeepMind.<\/p>\n
En esta carrera tambi\u00e9n est\u00e1 IBM, en colaboraci\u00f3n con la NASA, con una propuesta, tambi\u00e9n de aprendizaje autom\u00e1tico. \u201cLos modelos fundacionales de inteligencia artificial que utilizan datos geoespaciales [meteorol\u00f3gicos, de sensores y de sat\u00e9lite] pueden cambiar las reglas del juego porque nos permiten comprender mejor, preparar y abordar los numerosos fen\u00f3menos relacionados con el clima que afectan a la salud de nuestro planeta de una manera y a una velocidad nunca vistas\u201d, explica Alessandro Curioni, vicepresidente de Accelerated Discovery en IBM.<\/p>\n<\/div>\n\n","protected":false},"excerpt":{"rendered":"
Gran parte del pa\u00eds anda estos d\u00edas consultando las aplicaciones del tiempo de forma constante para saber qu\u00e9 tiempo tendr\u00e1n en sus vacaciones, si podr\u00e1n salir las procesiones, si la cosecha corre peligro, qu\u00e9 energ\u00eda generar\u00e1n molinos y placas solares o si se puede navegar o, simplemente, si podr\u00e1n tender la ropa. Las herramientas actuales …<\/p>\n","protected":false},"author":1,"featured_media":22301,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"fifu_image_url":"https:\/\/imagenes.elpais.com\/resizer\/v2\/7LNP733TJIWOFVCZ5UWS3YN37E.jpg?auth=718daf7f239c0de3bf87c0355ae309d8e45bcb5adb7d682d18f4f01aa40268d4&width=1200","fifu_image_alt":"","footnotes":""},"categories":[2],"tags":[],"class_list":["post-22299","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-tecnologia"],"_links":{"self":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/posts\/22299","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=22299"}],"version-history":[{"count":0,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/posts\/22299\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/media\/22301"}],"wp:attachment":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22299"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22299"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22299"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![](\"https:\/\/imagenes.elpais.com\/resizer\/v2\/7LNP733TJIWOFVCZ5UWS3YN37E.jpg?auth=718daf7f239c0de3bf87c0355ae309d8e45bcb5adb7d682d18f4f01aa40268d4\")
<\/p>\n