El auge de los modelos generativos es de amplio espectro y sus beneficios —junto con sus riesgos— irradian en múltiples sectores. Un proyecto recientemente presentado por Google es una muestra adicional de ese alcance amplio. Se trata de SEEDS, un modelo que emplea inteligencia artificial en meteorología para conseguir pronósticos más precisos. Además, el método es más accesible en comparación con los que ahora se emplean.

La denominación es ingeniosa. SEEDS hace referencia a “scalable ensemble envelope diffusion sampler”, que al español podemos traducir como “muestreador de difusión de conjunto escalable”. Por lo demás, “seed” significa “semilla” y esto tiene lógica: el modelo procura ser el germen de una novedosa forma de pronosticar el clima. “Esta es una nueva tecnología de IA para acelerar y mejorar las previsiones meteorológicas mediante modelos de difusión, con una mejor caracterización de eventos climáticos raros o extremos", comentan los investigadores de la división Google Research.

Uno de los aspectos más interesantes de esta herramienta que combina inteligencia artificial y meteorología es su diseño similar a los modelos de lenguaje masivo (LLM, por sus siglas en inglés). En otras palabras, funciona de una forma análoga a como lo hacen ChatGPT de OpenAI y Gemini de la propia Google. Es decir, generan resultados a partir de indicaciones de texto.

Cómo funciona SEEDS y por qué la inteligencia artificial en meteorología promete una revolución

SEEDS genera un orden de magnitud más de muestras para completar las distribuciones de patrones climáticos. (Crédito: Google Research)

“La IA es clave para una mejor predicción del clima”, dice en diálogo con Hipertextual el investigador de Google y meteorólogo, Robert Carver. El especialista observa que la mayoría de las predicciones son lo suficientemente precisas para condiciones más comunes, como los días templados o los cálidos del verano. Pero señala que generar suficientes modelos para encontrar el resultado probable de un evento extremo está fuera del alcance de la mayoría de los servicios.

¿Cuándo se comenzó a utiliza inteligencia artificial en meteorología? Ahora, ¿la visibilidad de sistemas como Gemini tiene alguna influencia en esto?

Los grupos de investigación han estado utilizando redes neuronales, una de las tecnologías que impulsa la IA, para mejorar el pronóstico del tiempo desde la década de 1980. A medida que avanzaba la tecnología, Google comenzó a trabajar en IA para mejorar el pronóstico hora a hora. Se lo llama “nowcasting”, e indica si iba a llover en la próxima hora o no.

Esa tecnología ahora impulsa nuestros pronósticos en las búsquedas de Google e impacta la vida de las personas todos los días. Hoy en día, continuamos avanzando en la aplicación de la IA para la investigación meteorológica, aplicando varios métodos diferentes para seguir avanzando en esta tecnología. SEEDS es uno de esos proyectos.

¿Qué nuevas variables introduce el uso de la inteligencia artificial en meteorología? En esa línea, ¿qué cambios propone estas tecnologías respecto a los métodos utilizados actualmente para predecir el clima y posibles eventos severos?

inteligencia artificial en meteorología
Robert Carver, investigador en Google Research y meteorólogo. (Crédito: Cortesía)

La IA es clave. Nos permite trabajar de manera más rápida y eficiente, lo cual es importante para algo tan sensible como el clima. En particular, el proyecto SEEDS nos permite crear muchas más previsiones posibles para un tiempo determinado a un coste menor. Esto sirve para evaluar mejor las probabilidades de eventos climáticos, incluidos los severos como olas de calor, que podrían afectar gravemente a las personas.

Piensa en ello como si se hiciera una encuesta a 1.000 personas en lugar de a 10. Puede llevar bastante tiempo encuestar a 1.000 individuos para un estudio sobre algo como la prevalencia de la depresión. Eso podría limitarme a estudiar a 10, solamente. Pero obtendré una mayor precisión con más encuestas, porque puedo evaluar mejor su prevalencia en un grupo más amplio. Por lo que, si pudiera inventar una tecnología que me permitiera hacer eso, podría hacer algo bastante poderoso. Así, investigar rápidamente y proporcionar soluciones, políticas y ayuda más rápidamente. SEEDS hace esto para el clima. Nos brinda un grupo más amplio de pronósticos para analizar, de modo que podamos determinar mejor la probabilidad de diversos eventos climáticos.

¿Por qué señalan que, con SEEDS, el uso de inteligencia artificial en meteorología es más económico en comparación con otros métodos que se emplean en el área?

Actualmente, la mejor práctica para crear pronósticos con probabilidades es ejecutar un modelo meteorológico informático en una supercomputadora entre 30 y 50 veces. Utiliza condiciones iniciales ligeramente diferentes. A esto lo llamamos "predicción por conjunto". Si llueve solo en el 50 % de los diferentes pronósticos, entonces la probabilidad de lluvia es del 50 %. Se necesita mucha potencia informática para producir todo eso. Demostramos que SEEDS nos permitiría utilizar sólo el 10% de la potencia informática del enfoque tradicional de supercomputadora para obtener la misma cantidad de previsiones del clima.

Han señalado que SEEDS es una inteligencia artificial para meteorología inscripta entre los modelos generativos. En función de ello, ¿en qué se parece respecto a ChatGPT o Gemini?

En un sentido amplio, los modelos de IA generativa predicen la respuesta más probable a una entrada determinada. Nos permiten crear un único mensaje de texto (por ejemplo, “una imagen de un gato conduciendo un coche”) y generar muchas imágenes que se ajusten a ello. De manera similar, el "mensaje" de SEEDS es una predicción única del clima futuro. Luego, puede generar muchos más pronósticos posibles para ese mismo período de tiempo. Esto nos brinda una mayor confianza estadística en el tipo de clima que podemos esperar en el mundo real.

En una especie de sección para “novatos” de la inteligencia artificial en meteorología, ¿nos explicaría en términos sencillos cómo funciona SEEDS?

Si se ingresan solo dos pronósticos meteorológicos posibles en SEEDS, devolverá un conjunto aún mayor de pronósticos meteorológicos que podrían ocurrir en ese momento. Hacer eso solía llevar horas y tal vez días, y hemos reducido ese tiempo en un 90 %. Y debido a que basamos la probabilidad de que ocurra un evento climático (como lluvia o nieve) en cuántos de nuestros pronósticos muestran que sucederá, esta gran cantidad de escenarios probables significa una precisión mucho mayor en la probabilidad de que ocurra.

¿Cuándo se pondrán en macha las promesas del Proyecto SEEDS?

El proyecto SEEDS de Google aún no trascendió las fronteras del laboratorio. (Crédito: Unsplash/NOAA)

Según comenta Carver a esta publicación, la iniciativa en la que trabajan, que conjuga la inteligencia artificial con la meteorología, es uno de los muchos proyectos de Google Research. Eso implica que se trata de una investigación que aún no se emplea a nivel general. “Nuestro trabajo como investigadores de Google es desarrollar tecnología de punta que pueda tener un impacto positivo en la vida de las personas. El clima es una de esas variables", cierra.

El equipo que integra Carver publicó los hallazgos de su estudio recientemente, en la revista Science Advances. El esfuerzo realmente podría valer la pena. Siguiendo el comunicado de Google, “a medida que el cambio climático empeora y los fenómenos meteorológicos extremos se vuelven comunes, predecir con precisión el clima puede salvar vidas”.

Recibe cada mañana nuestra newsletter. Una guía para entender lo que importa en relación con la tecnología, la ciencia y la cultura digital.

Procesando...
¡Listo! Ya estás suscrito

También en Hipertextual: