Los científicos de Google DeepMind y Google Research han presentado un nuevo modelo de predicción meteorológica basado en inteligencia artificial. WeatherNext 3 observa la atmósfera con mayor claridad y anticipa su comportamiento con más frecuencia que nunca.
La nueva tecnología comenzará a alimentar la información del tiempo que los usuarios ven en la Búsqueda de Google, Google Maps y Gemini. También estará disponible para usuarios e investigadores en las plataformas en la nube de Google.
“Esta es la primera vez que algunas de las variables principales alimentan y potencian muchos de los productos de Google”, explicó Samier Merchant, ingeniero senior de Google.
En las pruebas realizadas en Operational WeatherBench, una herramienta de comparación creada por la startup Brightband, WeatherNext 3 demostró ser el modelo de inteligencia artificial más preciso entre los principales contendientes. La evaluación tiene en cuenta métricas como temperatura, velocidad del viento y humedad.
El modelo supera a otros sistemas de aprendizaje profundo desarrollados por Google, Microsoft, Nvidia y el Centro Europeo de Pronósticos Meteorológicos a Mediano Plazo (ECMWF). También logra mejores resultados que los pronósticos tradicionales del Servicio Meteorológico Nacional de Estados Unidos y del propio ECMWF.
La mayoría de los pronósticos meteorológicos provienen de supercomputadoras gubernamentales que resuelven ecuaciones matemáticas para describir la física del clima. Aunque estos sistemas son muy precisos, son costosos y comparativamente lentos.
En 2018, el ECMWF liberó más de medio siglo de datos meteorológicos producidos por estos sistemas. A partir de ese momento, los investigadores de aprendizaje profundo comenzaron a entrenar modelos capaces de hacer predicciones mucho más rápido y con una precisión comparable a la de las herramientas gubernamentales.
“El clima es caótico, por lo que pequeñas diferencias empiezan a perturbar masivamente… El aprendizaje automático apunta al problema que realmente estamos resolviendo: física aproximada y ruidosa con información incompleta y cómputo finito, y así aprende patrones a partir de muchos datos”, señaló Ferran Alet, gerente de investigación en DeepMind.
Los modelos de IA para el clima tenían debilidades importantes: solían pronosticar en áreas demasiado amplias, no siempre eran precisos con la lluvia y dependían de los conjuntos de datos formateados por agencias gubernamentales. WeatherNext 3 enfrenta esos tres desafíos:
Estas mejoras responden a decisiones concretas de diseño. WeatherNext 3 es un modelo más grande, con 2,4 veces más parámetros que su predecesor, y sus creadores ajustaron los objetivos de los decodificadores para ofrecer respuestas más útiles. Además, el equipo de DeepMind ya había destacado por entrenar modelos capaces de visualizar trayectorias de ciclones.
Otro avance importante es que el modelo fue entrenado para dirigir sus pronósticos a estaciones meteorológicas específicas. Esto es clave no solo para ofrecer predicciones más granulares, sino también para evaluar su desempeño frente a datos reales de referencia.
“Agregar la capacidad de que este modelo prediga, por ejemplo, lo que medirá cada hora la estación meteorológica del aeropuerto de Denver conecta esa tarea de pronóstico más directamente con el objetivo central”, explicó Daniel Rothenberg, científico atmosférico de Brightband.
El modelo puede pronosticar con mayor frecuencia porque incorpora datos satelitales meteorológicos recopilados en tiempo real, hora por hora. Alimentar los modelos de IA con observaciones empíricas sin procesar, en lugar del análisis producido por supercomputadoras meteorológicas, promete pronósticos más precisos, aunque sigue siendo un reto técnico trabajar con datos no formateados.
Google asegura que WeatherNext 3 es el primer modelo de IA en incorporar directamente observaciones sin procesar para un pronóstico global de alta resolución. Por su parte, la startup WindBorne afirma que su modelo WeatherMesh 6 incorpora observaciones directas desde finales de 2025. Google señala que sus pronósticos tienen mayor resolución en todo el mundo; aun así, ambos modelos siguen dependiendo de conjuntos de datos meteorológicos nacionales para realizar pronósticos.
Las agencias meteorológicas de Europa y Estados Unidos ya utilizan modelos de IA en sus productos de pronóstico. La velocidad y el bajo costo de estos sistemas prometen generar impacto económico en regiones más pobres, donde el gasto en sensores y supercomputadoras ha dejado los pronósticos precisos fuera de alcance.
Bill Gates mencionó recientemente que el pronóstico meteorológico impulsado por IA es un beneficio crucial de la tecnología, ya que mejores predicciones pueden mejorar el rendimiento de los cultivos en países en desarrollo.
Ferran Alet, investigador de DeepMind, agregó que los pronósticos de mayor resolución sobre viento, lluvia y nubosidad serán útiles para hacer más confiables los proyectos de energía renovable.
“Al final del día, Google se trata de proporcionar información útil al usuario, y gran parte de lo que los usuarios buscan tiene que ver con el clima de una forma u otra”, concluyó.
Estas buscando algo?
Nuestros Programas:
Al Ritmo de Miami Healthy
Aprende qué comer y cómo vivir mejor para elevar tu bienestar.
Despertando con Claudio María Domínguez
Reflexiones de espiritualidad, bienestar y conciencia Claudio María Domínguez
Misterios Ocultos
OVNIs, enigmas históricos y lo inexplicable contado por expertos.
Inmigrar a Miami
Tu puente a los Estados Unidos Te ayudamos a alcanzar tus sueños americanos con soluciones personalizada.
