Los modelos meteorológicos basados en IA tropiezan con la predicción de fenómenos inéditos

A inicios de este año, el Centro Europeo de Previsiones Meteorológicas a Medio Plazo puso en funcionamiento el Sistema de Predicción por Inteligencia Artificial (AIFS), el primero plenamente operativo que se basa en la inteligencia artificial para la previsión del tiempo. Otros modelos experimentales, como el GraphCast de Google, el FourCast del Instituto Tecnológico de California y el Pangu-Weather de la empresa china Huawei buscan también dar el paso adelante en esta nueva revolución de la meteorología, que, para Pedram Hassanzadeh, profesor asociado de ciencias geofísicas de la Universidad de Chicago, tiene importantes ventajas al tratarse de “modelos baratos, fáciles de desarrollar, precisos y rápidos, que además reducen la factura de la luz”.

Hassanzadeh, sin embargo, sabe que los modelos de predicción del tiempo basados en inteligencia artificial aún no son perfectos. El científico forma parte del grupo de académicos de las universidades de Chicago, Nueva York y Santa Cruz, en California, que recientemente expusieron una importante limitación de esta tecnología: la predicción de eventos meteorológicos inéditos.

La investigación, publicada hace un mes en la revista Proceedings de la Academia Nacional de Ciencias de Estados Unidos, plantea que estos nuevos modelos pueden hacer previsiones meteorológicas a corto plazo con una “precisión sorprendente”, pero que fallan cuando se trata de fenómenos de alta intensidad que no se encuentran en los datos con los que se entrenó a la inteligencia artificial. Esto se debe a que las redes neuronales con las que funciona la IA solo pueden predecir con base en patrones del pasado.

Cuando la IA no ve venir un huracán

Tres de los autores del estudio detallan ―en conversación por videollamada con EL PAÍS― el experimento que realizaron para poner a prueba a la inteligencia artificial utilizando los huracanes. Según los científicos, el proceso consistió en alimentar el sistema de inteligencia artificial con datos históricos y, posteriormente, introducir condiciones meteorológicas para pedir al modelo que hiciera predicciones basadas en estas. Siguiendo este proceso, entrenaron una red neuronal a partir de décadas de datos meteorológicos, pero eliminaron todos los huracanes de categoría superior a 2. Después recrearon en el modelo las condiciones atmosféricas que conducen a un huracán de categoría 5 y la red neuronal no fue capaz de pronosticarlo satisfactoriamente.

“Estos modelos funcionan muy bien para el tiempo del día a día, pero ¿qué pasa si la semana que viene se produce un fenómeno meteorológico extraño?”, reflexiona Hassanzadeh. La conclusión del equipo fue que las redes neuronales no pueden predecir fenómenos meteorológicos más allá del alcance de los datos de entrenamiento existentes, lo que podría dejar fuera fenómenos sin precedentes que podrían manifestarse como consecuencia del cambio climático. “Los datos observacionales son limitados y sabemos que presentan muchas deficiencias. El problema entonces es que todos los modelos de inteligencia artificial están limitados a la disponibilidad de los datos”, añade el geofísico.

No es magia

A pesar de los resultados del experimento, Hassanzadeh considera que los modelos meteorológicos son “de los mayores logros de la inteligencia artificial en la ciencia” y que en ellos aún hay “mucho margen para la innovación”. Lo que su equipo reafirmó con el experimento es que “no se trata de magia”.

Como tecnología para la predicción meteorológica, los modelos de inteligencia artificial funcionan de forma similar a ChatGPT y otros modelos de lenguaje basados en redes neuronales. Al igual que los modelos meteorológicos, los modelos de lenguaje deben ser alimentados con cantidades enormes de datos para que posteriormente busquen patrones a partir de instrucciones.

Según la investigación, la gran diferencia entre las redes neuronales y los modelos meteorológicos tradicionales es que estos últimos “entienden” de física —es decir, que resuelven ecuaciones—, mientras que los primeros observan los patrones meteorológicos y sugieren lo que viene a continuación basándose en lo que ha ocurrido en el pasado.

“Que el modelo de inteligencia artificial que usamos no aprendiera de física implica que en realidad aprendió a emparejar patrones. Ve una imagen y deduce cuál viene a continuación, en lugar de hacer las predicciones mediante las ecuaciones físicas que rigen los fenómenos meteorológicos”, elabora Dorian Abbot, geofísico de la Universidad de Chicago y coautor del estudio.

Los investigadores sugieren que una posible solución es empezar a incorporar herramientas matemáticas y los principios de la física atmosférica a los modelos basados en inteligencia artificial. “La esperanza es que los modelos lleguen a ser capaces de predecir los cisnes grises [evento meteorológico inusual y nunca visto, pero físicamente posibile] si aprenden sobre la dinámica atmosférica”, afirma Hassanzadeh.

Abbot explica que, en teoría, a un modelo de inteligencia artificial se le podría entrenar para que identifique patrones y secuencias considerando las leyes físicas. Para los investigadores, sin embargo, cómo hacer esto es todavía “un campo de investigación candente”.

Jonathan Weare, matemático de la Universidad de Nueva York y también coautor, señala que esta primera investigación puede servir como un “un cuento con moraleja” para los gobiernos y las agencias de clima alrededor del mundo que quieran empezar a usar sistemas basados en inteligencia artificial. “Si usas un sistema de inteligencia artificial, podrías no ordenar una evacuación porque recibiste una alerta de un fenómeno que no es tan grave, pero en realidad se trata de algo mucho peor que la IA no ha visto porque no estaba en sus datos”.

Tendencias es un proyecto de EL PAÍS, con el que el diario aspira a abrir una conversación permanente sobre los grandes retos de futuro que afronta nuestra sociedad. La iniciativa está patrocinada por Abertis, Enagás, EY, Iberdrola, Iberia, Mapfre, la Organización de Estados Iberoamericanos (OEI), Redeia, y Santander, WPP Media y el partner estratégico Oliver Wyman.

Puedes apuntarte aquí para recibir la newsletter semanal de EL PAÍS Tendencias, todos los martes, de la mano del periodista Javier Sampedro.