¿Pueden los pronósticos meteorológicos de IA predecir eventos de "cisne gris" casi impredecibles?
Un análisis descubre si la IA puede predecir fenómenos meteorológicos "cisnes grises", raros y sin precedentes. La respuesta también es inesperada.
Pronosticar siempre es un desafío, y la IA parece ser capaz de mejorar los pronósticos meteorológicos a corto plazo con sorprendentes niveles de precisión. Sin embargo, siempre existe cierto grado de caos en lo que respecta al tiempo. Esto nos lleva a preguntarnos si la IA realmente puede predecir lo impredecible, como los fenómenos meteorológicos inesperados.
Los ejemplos de "fenómenos meteorológicos inusuales" o "cisnes grises" no siempre aparecen en los datos de las últimas décadas. Las inundaciones causadas por el huracán Harvey en 2017 se consideraron un fenómeno único cada 2000 años. También hay ciclones tropicales que podrían no predecirse con base en datos históricos.
Estos sistemas pueden ser devastadores, pero no son tan inesperados como un "cisne negro" (como el impacto de un meteorito). La empresa Aon describe con elocuencia los cisnes grises como "sorpresas predecibles pero improbables", y los cisnes negros como "impredecibles".
Datos de entrenamiento de los modelos de IA
Los modelos de IA suelen basarse en datos de entrenamiento (texto e imágenes que se introducen en un modelo) mientras buscan patrones. Para los pronósticos, el sistema recibe información meteorológica de décadas.
Los modelos de IA pueden alcanzar la misma precisión que los modelos meteorológicos basados en supercomputadoras en cuanto a la predicción de patrones existentes. Sin embargo, esto no les permite prepararse para lo inesperado, especialmente si los datos solo se remontan a unas pocas décadas.
Las redes neuronales, que aportan gran parte de su poder a la IA, suelen realizar predicciones basadas en lo sucedido en el pasado. Sin embargo, esto significa que algo sin precedentes en la historia meteorológica podría quedar fuera de los modelos de predicción.
Un nuevo estudio explora el "territorio gris"
Un estudio realizado por varias universidades estadounidenses explora precisamente eso para poner a prueba los límites de las predicciones meteorológicas basadas en IA. Descubrieron que las redes neuronales no pueden predecir eventos meteorológicos más allá de los datos de entrenamiento existentes, lo que muestra una importante limitación en la predicción de fenómenos meteorológicos impredecibles o inesperados.
Es importante señalar esta limitación, ya que las redes neuronales se utilizan en pronósticos meteorológicos por parte de operadores, así como en sistemas de alerta temprana y evaluaciones de riesgos a largo plazo. No se puede confiar únicamente en la IA, a pesar de su gran potencia y potencial.
"Los modelos meteorológicos de IA son uno de los mayores logros de la IA en la ciencia. Descubrimos que son extraordinarios, pero no mágicos”, afirmó el coautor Pedram Hassanzadeh, profesor asociado de ciencias geofísicas. “Solo llevamos unos años con estos modelos, así que hay mucho margen para la innovación”.
Para llegar a estas conclusiones, su equipo probó los límites de los modelos de IA utilizando huracanes, donde entrenaron una red neuronal con décadas de datos meteorológicos y eliminaron todos los huracanes más fuertes que la categoría 2. Cuando compartieron con ella una condición atmosférica que podría llevar a un huracán de categoría 5 en unos pocos días, el modelo no pudo predecir la fuerza de este huracán con precisión.
“Siempre subestimó el evento. El modelo sabe que algo se avecina, pero siempre predice que solo será un huracán de categoría 2”, explicó otro coautor, Yongqiang Sun, científico investigador de la Universidad de Chicago.
Sin embargo, inesperadamente, fue capaz de predecir un evento en una región que no había sucedido allí antes, basándose en el evento que ocurrió en otra región.
Cómo mejorar la previsión de eventos inusuales
Incorporar más matemáticas y física a la IA podría ayudar a superar esta brecha. Las redes neuronales simplemente observan los patrones climáticos y formulan sugerencias basadas en el pasado, en lugar de basarse en una comprensión fundamental de la mecánica de la física y las matemáticas (las leyes que rigen los fenómenos meteorológicos).
Potentes modelos de IA
Puede ser un alivio, entonces, que ningún servicio nacional importante utilice exclusivamente IA para la previsión. Pero para que la IA adquiera mayor relevancia en la previsión en el futuro, será fundamental ser conscientes de sus limitaciones y de la importancia de la física y las matemáticas.
Quizás haya una manera de incorporar ambos, donde la IA ayude a guiar los modelos meteorológicos basados en la física para generar más ejemplos de eventos extremos para mejorar sus datos de entrenamiento.
Jonathan Weare, profesor del Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York y coautor del estudio, afirmó: "En este caso, esto implica responder a la pregunta: '¿Dónde debo colocar mis datos de entrenamiento para lograr un mejor rendimiento en condiciones extremas?'. Afortunadamente, creemos que los propios modelos meteorológicos de IA, combinados con las herramientas matemáticas adecuadas, pueden ayudar a responder esta pregunta".
Por lo tanto, puede resultar inesperado escuchar que la IA, siendo tan poderosa, aún puede equivocarse en eventos de "cisne gris", pero esto simplemente demuestra la importancia de la predicción basada en números y el poder de las matemáticas y la física: las bases estables de la meteorología.
Referencia de la noticia:
Can AI weather models predict out-of-distribution gray swan tropical cyclones?” Sun et al, Proceedings of the National Academy of Sciences, 21 May, 2025.