Las consecuencias de una previsión meteorológica eficiente van mucho más allá de la planificación de vacaciones. Las estimaciones más fiables actualmente son que disponer de datos precisos durante un periodo de tiempo superior a tres días salvaría vidas y evitaría pérdidas económicas, según un estudio publicado hoy. comunicación de la naturaleza Esta cifra asciende a 143.000 millones de dólares (131.565 millones de euros) anuales. Gigantes tecnológicos como Google o IBM, en colaboración con la NASA e instituciones de la Unión Europea y otros continentes, se han sumado a los objetivos del plan de la ONU de mejorar los sistemas de alerta temprana y desarrollar herramientas para aprovechar los avances de la tecnología. Obtener previsiones fiables a medio y largo plazo. Comprender el cielo es uno de los desafíos científicos y tecnológicos de nuestro tiempo.
Según el estudio, las tormentas, inundaciones, sequías, olas de calor, huracanes y otros fenómenos climáticos extremos representan miles de millones de dólares en costos cada año, la mayoría de los cuales (63%) corresponden a estimaciones de pérdidas humanas. Naturaleza Dirigido por investigadores de Nueva Zelanda. Comprender y anticipar estos eventos adversos es esencial y se ha convertido en un objetivo importante de la agenda tecnológica.
Google DeepMind, la empresa de inteligencia artificial del gigante tecnológico norteamericano, ha publicado Ciencia Según el estudio, el modelo de pronóstico del tiempo basado en el aprendizaje automático proporciona predicciones de 10 días «mejores, más rápidas y más accesibles que los enfoques existentes». El modelo, llamado GraphCast, superó a los sistemas tradicionales en el 90% de los casos probados.
En comparación con los modelos actuales de análisis de datos numéricos que utilizan recursos computacionales costosos y complejos, Graphcast utiliza aprendizaje automático entrenado en datos históricos para proporcionar pronósticos precisos de 10 días en menos de un minuto. «Creemos que esto marca un punto de inflexión en la predicción del tiempo», dicen los autores, dirigidos por el científico de DeepMind Remy Lamm.
IBM también está en carrera, en colaboración con la NASA, con una propuesta de aprendizaje automático basada en los modelos fundacionales de la empresa tecnológica (entrenados con un amplio espectro de datos sin etiquetar). Este enfoque le permite analizar millones de datos comunes para realizar diversas tareas.
“Modelos básicos de inteligencia artificial que utilizan datos geoespaciales [meteorológicos, de sensores y de satélite] «Pueden cambiar las reglas del juego porque nos permiten comprender, prepararnos y abordar mejor los numerosos eventos relacionados con el clima que afectan la salud de nuestro planeta de una manera y a una velocidad que nunca antes había sido posible». Nunca antes visto», explica Alessandro Curioni, vicepresidente de IBM para Europa y África y director del centro de investigación de la compañía en Zurich (Suiza).
El programa ya se ha utilizado para analizar las islas de calor urbanas con el fin de reducir el estrés térmico a tres grados Celsius y planificar una campaña de reforestación de árboles por valor de 15 mil millones de dólares en Kenia durante la próxima década. También se está estudiando un proyecto con el Consejo de Instalaciones Científicas y Técnicas (STFC) del Reino Unido para abordar los efectos del clima extremo en las operaciones e infraestructuras de la aviación y la restauración natural de la masa forestal que previene las inundaciones. Ya existe una experiencia piloto en Glasgow.
Para Kate Royce, directora del Centro Hartree del STFC, estos modelos «permiten una mejor toma de decisiones basada en una predicción y una gestión precisas del riesgo de inundaciones, lo cual es esencial para la planificación futura de las ciudades».
“Nos enfrentamos a impactos del cambio climático que se aceleran dramáticamente. Necesitamos mitigar y prepararnos mejor para estos incidentes. “La IA puede ayudar en esto”, advierten en la publicación de investigación europea horizonte Andrea Castelletti, profesora de la Universidad Politécnica de Milán, experta en gestión de recursos naturales
Cataletti está de acuerdo con la opinión de los gigantes informáticos de que los modelos de predicción actuales se basan en algoritmos para analizar grandes cantidades de datos sin lograr una precisión óptima. «Aún tienen puntos débiles», admite Castelletti, y añade: «La inteligencia artificial puede resolverlos».
“Los modelos climáticos actuales no se adaptan bien a algunos fenómenos meteorológicos extremos. Por ejemplo, las olas de calor en Europa están aumentando en el mundo real mucho más rápido de lo que los modelos nos dicen que deberían ser. Es importante pronosticar los extremos para que podamos recibir alertas tempranas”, coincide el experto en ciencia climática Dim Koumou de la Universidad de Amsterdam (Países Bajos).
Clint, Un proyecto de investigación financiado por la UE en el que participa España combina inteligencia artificial con datos de la red europea de satélites Copernicus para mejorar las predicciones climáticas. Centro Europeo de Previsiones Meteorológicas a Plazo Medio, Al igual que IBM y Google, también está implementando el aprendizaje automático en sus programas.
Otro proyecto europeo llamado XAIDA, en el que también participa España, intenta comprender las causas subyacentes de los fenómenos meteorológicos extremos. “Se trata de comprender el papel del cambio climático en eventos que van desde olas de calor hasta sequías y precipitaciones extremas. Queremos conocer los factores determinantes”, explica Koumou.
eventos adversos y raros
Uno de los obstáculos para lograr esta precisión es la información disponible para entrenar la inteligencia artificial. Aunque la información parece haber existido durante décadas, puede que no sea relevante para comprender la mayoría de los eventos adversos. “Los acontecimientos extremos, por definición, son raros. Así que no siempre tienes muchas observaciones. Este es un gran obstáculo si se quieren utilizar métodos de inteligencia artificial”, explicó Koumou.
En este sentido, el proyecto CLINT pretende generar datos a partir de información histórica para sistemas de IA y permitirles entrenar el aprendizaje automático para mejorar las predicciones.
Algunas iniciativas se centran en eventos específicos para avanzar en pronósticos precisos. Este asunto es de laboratorio CRUCIAL. de las universidades de Lancaster y Exeter en el Reino Unido, que intenta determinar el número de huracanes en el Atlántico en 2024.
«Los cambios en las temperaturas del océano impulsados por el cambio climático significan que los registros históricos de huracanes ya no son una buena guía para predecir futuros huracanes», dice Kim Cavanto, profesora de economía y miembro de la iniciativa CRUCIAL.
De manera similar, investigadores del Instituto Coreano de Ingeniería Civil y Tecnología de la Construcción (KICT) han desarrollado un sistema para predecir inundaciones repentinas con una hora de anticipación. Jeon-Wook Hwang, investigador de este instituto, explica: «Un pronóstico, incluso si es preciso, no tiene valor como información si no es lo suficientemente preciso como para minimizar las víctimas y los daños a la propiedad causados por las inundaciones repentinas. No llega temprano».
puedes seguir Sujeto En Facebook, X Y InstagramO regístrate aquí para recibir nuestro periódico semanal,
Suscríbete para seguir leyendo
leer sin limites
,
