Los modelos tradicionales superan a la IA en la predicción de fenómenos meteorológicos extremos

La IA avanza, pero los fenómenos extremos siguen siendo un desafío

La inteligencia artificial (IA) se presenta como el futuro en la predicción meteorológica: más rápida y precisa. Sin embargo, una investigación reciente publicada en Science ha revelado una importante laguna en su capacidad: la IA falla en predecir fenómenos meteorológicos extremos.

Según el estudio, los modelos tradicionales basados en física siguen siendo más efectivos para anticipar eventos como olas de calor récord, vientos extremos o temperaturas gélidas sin precedentes. Sebastian Engelke, profesor de estadística en la Universidad de Ginebra y coautor del estudio, explica:

"Desempeñan bien muchas tareas, pero en eventos muy extremos —los más importantes para la sociedad— aún tienen dificultades".

¿Por qué la IA no acierta con lo extremo?

La clave está en los datos de entrenamiento. Los modelos de IA se basan en décadas de registros históricos, lo que les permite predecir patrones conocidos. Sin embargo, los fenómenos extremos, especialmente los récord, no tienen precedentes en el pasado.

Engelke detalla:

"Intentan entender empíricamente: si hoy tengo este tipo de clima, ¿cómo será mañana? Básicamente, reproducen lo ocurrido en el pasado. Pero si hablamos de fenómenos extremos, especialmente los que rompen récords, esto no ha ocurrido antes. La falta de información en sus datos de entrenamiento hace casi imposible que puedan predecirlo".

El estudio analizó modelos de IA como GraphCast y Pangu-Weather, comparándolos con una base de datos de eventos extremos recientes. Por ejemplo, en la ola de calor de Siberia en 2020 —que provocó incendios forestales y derretimiento del permafrost—, la IA subestimó las temperaturas máximas. Otro estudio determinó que el cambio climático hizo 600 veces más probable este evento.

Los modelos tradicionales, más adaptables

Los modelos tradicionales, basados en ecuaciones físicas que representan el mundo real, pueden adaptarse mejor a condiciones nuevas. Aunque tampoco son perfectos, superan a la IA en la predicción de fenómenos extremos.

Sin embargo, la IA no es inútil en todos los casos. Para predicciones meteorológicas típicas o eventos extremos dentro del rango histórico, puede superar a los modelos tradicionales. Por ejemplo, el modelo Atlas de Nvidia, lanzado este año, demostró su eficacia al predecir el ciclón Storm Dennis en el Reino Unido, un evento no incluido en sus datos de entrenamiento.

Mike Pritchard, director de investigación en simulación climática de Nvidia, señala:

"Al visualizar la magnitud del viento y la presión, el modelo capturó de manera realista eventos de viento intenso y ciclones que causan daños".

Estos modelos ya se utilizan junto a los tradicionales en agencias meteorológicas, empresas de datos climáticos como The Weather Company y compañías de seguros.

El futuro: ¿Cómo mejorar la predicción de fenómenos extremos?

Los investigadores exploran soluciones para superar esta limitación. Una opción es incorporar datos sintéticos que simulen eventos récord en los conjuntos de entrenamiento. Aunque el problema fundamental persiste: la IA sigue dependiendo de datos pasados.

Mientras tanto, los modelos tradicionales siguen siendo la opción más fiable para anticipar los fenómenos más peligrosos, aquellos que pueden tener un impacto devastador en la sociedad.