GraphCast: Nueva herramienta de Inteligencia Artificial de Google predice el clima de 10 días en un minuto
GraphCast no solo supera en precisión, sino que también destaca en la identificación de fenómenos meteorológicos severos por delante de los modelos de pronóstico tradicionales en minutos
En un interesante avance para el pronóstico del tiempo, GraphCast, un modelo avanzado de IA, está tomando la delantera en la entrega de predicciones meteorológicas de 10 días con una precisión incomparable en menos de un minuto.
Esta tecnología de vanguardia está preparada para “transformar la forma en que nos preparamos” y respondemos a la dinámica siempre cambiante de nuestro clima, según “predice” Google en su blog de Deep Mind.
GraphCast: predicción meteorológica con IA
Publicado primeramente en la revista Science, GraphCast presenta un enfoque pionero para los pronósticos meteorológicos de mediano plazo, eclipsando el pronóstico de alta resolución (HRES) estándar de la industria del Centro Europeo para Pronósticos Meteorológicos de Medio Plazo (ECMWF).
Lo que distingue a GraphCast es su capacidad no solo de proporcionar predicciones más precisas, sino también de hacerlo a una velocidad sin precedentes, ofreciendo ventajas cruciales para diversas industrias y sociedades.
La característica destacada de GraphCast es su eficiencia. Al emplear aprendizaje automático y redes neuronales gráficas (GNN), predice las condiciones climáticas con una alta resolución de 0.25 grados de longitud/latitud, cubriendo más de un millón de puntos de cuadrícula en la superficie de la Tierra.
El modelo pronostica cinco variables de la superficie de la Tierra y seis variables atmosféricas en cada uno de los 37 niveles de altitud, incluida la temperatura, la velocidad del viento y la presión media al nivel del mar.
Si bien la capacitación computacional de GraphCast fue intensiva, el modelo de pronóstico resultante muestra una eficiencia excepcional. A diferencia de los enfoques tradicionales como HRES, GraphCast produce pronósticos de 10 días en menos de un minuto en una sola máquina Google TPU v4.
Este es un salto significativo, considerando que los métodos tradicionales a menudo requieren horas de computación en supercomputadoras con cientos de máquinas.
En una evaluación integral frente a HRES, GraphCast demostró superioridad al proporcionar predicciones más precisas para más del 90% de 1380 variables de prueba y tiempos de entrega de pronóstico. En la región crucial de la troposfera (de 6 a 20 kilómetros de altura), nuestro modelo superó al HRES en un impresionante 99.7% de las variables de prueba para el clima futuro.
Capacidades de alerta temprana
GraphCast no solo supera en precisión, sino que también destaca en la identificación de fenómenos meteorológicos severos por delante de los modelos de pronóstico tradicionales. Sin una formación específica, el modelo predijo con éxito los movimientos de los ciclones con mayor precisión que el HRES.
Una implementación en vivo en el sitio web del ECMWF previó con precisión la llegada del huracán Lee a Nueva Escocia con aproximadamente nueve días de anticipación, lo que muestra el potencial de GraphCast para salvar vidas a través de alertas tempranas.
En un movimiento encomiable hacia la colaboración y el beneficio global, el código de GraphCast ha sido programado como código abierto. Las agencias meteorológicas, los investigadores y los pronosticadores de todo el mundo ahora pueden aprovechar esta tecnología de vanguardia para mejorar la precisión y la velocidad de sus predicciones.
ECMWF ya está realizando experimentos en vivo con los pronósticos de GraphCast en su sitio web.
Revolucionando la predicción meteorológica: IA y más allá
GraphCast se une a un conjunto de sistemas innovadores de predicción del tiempo de Google DeepMind y Google Research. Esto incluye un modelo regional de Nowcasting para pronósticos de 90 minutos y MetNet-3, un modelo de pronóstico regional que ofrece los pronósticos de 24 horas más precisos.
Mientras el mundo lidia con los impactos de un clima cambiante, el pronóstico del tiempo basado en inteligencia artificial evolucionará con GraphCast a la vanguardia.
El código de fuente abierta fomenta la personalización para fenómenos meteorológicos específicos y la optimización para diferentes regiones del mundo. Más allá de la anticipación del clima, esta herramienta tiene como objetivo comprender patrones climáticos más amplios, empoderando a la comunidad global para abordar los desafíos ambientales.
Sigue leyendo:
· YouTube presenta medidas para mejorar la transparencia e identificar el contenido generado por IA
· Tecnología deepfake: los riesgos del robo de identidad con ayuda de la Inteligencia Artificial
· Así luciría Nueva York en un mundo post-apocalíptico, según la Inteligencia Artificial