La inteligencia artificial GenCast de DeepMind es muy efectiva en la predicción del clima.
El miércoles, la división DeepMind de Google presentó lo que podría considerarse el avance más importante en la predicción del clima en casi ocho décadas de investigación.
A principios de este año, cuando Helene impactó Florida, 234 personas perdieron la vida en el huracán más devastador que ha azotado el continente estadounidense desde Katarina en 2005. Desastres naturales como este, junto con su creciente intensidad atribuida al cambio climático, han llevado a los científicos a mejorar los sistemas de pronóstico meteorológico. Recientemente, la división DeepMind de Google presentó un avance significativo en este ámbito, que podría considerarse el más notable en casi ocho décadas.
En una publicación en el blog de Google, Ilan Price y Matthew Wilson, de DeepMind, introdujeron GenCast, el nuevo agente de inteligencia artificial de la compañía. Según DeepMind, GenCast no solo supera el rendimiento de su anterior programa de pronósticos, sino que también es más preciso que el mejor sistema de pronóstico actual, administrado por el Centro Europeo para Pronósticos Meteorológicos a Medio Plazo (ECMWF). En pruebas que compararon los pronósticos de 15 días generados en 2019, GenCast mostró una precisión superior al sistema ENS del ECMWF en un 97.2% del tiempo. Para los pronósticos con plazos de más de 36 horas, la precisión de DeepMind alcanzó un notable 99.8%.
Rémi Lam, el científico principal del anterior programa de meteorología de DeepMind, afirmó: "Soy un poco reacio a decirlo, pero es como si hubiéramos logrado en un año mejoras que normalmente tomarían décadas". Este avance ha sido rápido y significativo. GenCast es un modelo de difusión, la misma tecnología que impulsa las herramientas generativas de Google. DeepMind entrenó este software con casi 40 años de datos meteorológicos de alta calidad proporcionados por el ECMWF. Las predicciones generadas por este nuevo modelo son probabilísticas, lo que significa que consideran una gama de posibilidades expresadas en porcentajes, lo que resulta en modelos más matizados y útiles en comparación con los deterministas que solo ofrecen una estimación.
Otro aspecto notable de GenCast es su eficiencia en el uso de recursos de computación, ya que requiere mucho menos poder de procesamiento que los pronósticos basados en física como el ENS. Según Google, una unidad de procesamiento tensor TPU v5 puede generar un pronóstico de 15 días en solo ocho minutos, mientras que un superordenador con decenas de miles de procesadores puede tardar horas en ofrecer un pronóstico físico.
Aunque GenCast ha mostrado grandes avances, todavía tiene áreas de mejora, como la predicción de la intensidad de huracanes. No obstante, el equipo de DeepMind confía en encontrar soluciones para las limitaciones actuales. Mientras tanto, Google ha decidido hacer de GenCast un modelo abierto, con código de ejemplo disponible en GitHub, y las predicciones de GenCast estarán pronto disponibles en Google Earth.