NOAA pone en producción tres modelos globales de meteorología con IA
La NOAA ha activado AIGFS, AIGEFS y HGEFS, tres sistemas globales de predicción meteorológica basados en IA. La nueva generación acelera los pronósticos y reduce de forma drástica el uso de supercomputación, aunque conserva límites relevantes.
La Administración Nacional Oceánica y Atmosférica de Estados Unidos (NOAA) ha puesto hoy en operación tres modelos globales de predicción meteorológica basados en inteligencia artificial. Es un paso relevante porque la IA deja de ser una demostración de laboratorio para integrarse en la infraestructura que orienta los avisos, la planificación y los pronósticos meteorológicos públicos.
La agencia ha desplegado AIGFS, AIGEFS y HGEFS, sistemas que complementan sus modelos numéricos tradicionales. Estos últimos resuelven ecuaciones físicas para simular la atmósfera y son la base de la predicción moderna, pero requieren enormes recursos de supercomputación. Los nuevos modelos aprenden patrones a partir de datos meteorológicos históricos y recientes para producir previsiones mucho más deprisa.
Un pronóstico de 16 días en unos 40 minutos
El principal cambio llega con AIGFS, siglas de Artificial Intelligence Global Forecast System. Según NOAA, una previsión de 16 días con este sistema tarda aproximadamente 40 minutos y utiliza solo el 0,3% de los recursos informáticos del modelo operativo GFS convencional. Es decir, reduce el consumo de cómputo hasta en un 99,7%.
La velocidad no implica por sí sola un mejor pronóstico. En meteorología, sin embargo, disponer antes de una simulación útil permite a los especialistas comparar más escenarios, actualizar productos y reaccionar con mayor margen cuando se aproxima un fenómeno adverso. NOAA afirma que AIGFS mejora la habilidad de predicción del GFS en numerosos patrones de gran escala y reduce de forma notable los errores de trayectoria de ciclones tropicales cuando se analizan plazos más largos.
Hay una salvedad importante: la primera versión empeora la predicción de la intensidad de los ciclones tropicales. Conocer por dónde puede pasar una tormenta y estimar cómo de fuerte será son problemas distintos. El segundo sigue siendo especialmente difícil porque depende de procesos locales y rápidos, como la interacción entre el océano, las nubes y el viento. NOAA presenta esa limitación como uno de los frentes de mejora para próximas versiones.
No una predicción única, sino muchos futuros posibles
El segundo sistema, AIGEFS, aplica IA a la predicción por conjuntos. Un conjunto meteorológico no entrega una única respuesta cerrada: ejecuta múltiples simulaciones con pequeñas variaciones para estimar qué escenarios son más probables y cuánta incertidumbre hay.
Esa información es esencial para decidir, por ejemplo, si una posible trayectoria de un ciclón merece vigilancia adicional aunque aún no sea el escenario principal. Los gestores de emergencias, las compañías eléctricas, la aviación o la agricultura no solo necesitan saber qué tiempo se espera; también necesitan entender el rango de resultados plausibles.
Las primeras evaluaciones de NOAA indican que AIGEFS mejora el rendimiento del sistema GEFS tradicional y amplía entre 18 y 24 horas la habilidad de predicción. En la práctica, ese margen puede equivaler a ganar casi un día de orientación útil sobre la evolución de fenómenos a gran escala.
El modelo híbrido evita elegir entre física e IA
La tercera pieza es HGEFS, o Hybrid-GEFS. En vez de reemplazar el modelo físico por el de IA, combina los miembros de AIGEFS con los del GEFS convencional en un gran conjunto híbrido. NOAA sostiene que las pruebas iniciales muestran un rendimiento consistente por encima de los sistemas basados exclusivamente en IA y de los basados exclusivamente en física.
La apuesta es significativa. Los modelos físicos incorporan de manera explícita leyes conocidas de la atmósfera, mientras que los modelos de IA destacan por su rapidez y por su capacidad para extraer regularidades de grandes volúmenes de datos. Un sistema híbrido trata de aprovechar ambas virtudes: la eficiencia de la IA y la robustez de la simulación física.
Para los meteorólogos, estos productos son guía adicional, no un sustituto automático de su trabajo. La predicción operativa exige contrastar modelos, observaciones de satélites, radares y estaciones terrestres, además de valorar los efectos locales que un modelo global puede no resolver con suficiente detalle.
La IA entra en un servicio público crítico
NOAA considera este despliegue la primera adopción operativa de modelos globales de IA dentro de la infraestructura de pronóstico de una agencia meteorológica nacional. La relevancia no está solo en reducir costes de computación. Si la calidad se mantiene o mejora con una fracción de los recursos, los centros meteorológicos pueden dedicar más capacidad a ejecutar conjuntos mayores, probar configuraciones nuevas y producir orientación con menos demora.
El examen real empezará ahora, con el comportamiento de los modelos ante estaciones completas y fenómenos de todo tipo. La agencia tendrá que demostrar que las mejoras observadas en las pruebas se sostienen en operación y corregir debilidades como la intensidad de los ciclones. Pero el despliegue de AIGFS, AIGEFS y HGEFS fija ya una dirección clara: la predicción del tiempo no se encamina a escoger entre supercomputación física o inteligencia artificial, sino a combinarlas allí donde cada una aporta más valor.