A comienzos de este año, el Centro Europeo de Previsiones Meteorológicas a Medio Plazo lanzó el Sistema de Predicción por Inteligencia Artificial (AIFS), el primero totalmente operativo basado en IA para el pronóstico meteorológico. Otros proyectos como GraphCast de Google, FourCast del Instituto Tecnológico de California y Pangu-Weather de Huawei buscan avanzar en esta revolución meteorológica, que, según Pedram Hassanzadeh, profesor asociado de la Universidad de Chicago, ofrece ventajas significativas al ser “modelos económicos, rápidos, precisos y que reducen el consumo eléctrico”.
Sin embargo, Hassanzadeh y su equipo, que incluye investigadores de Chicago, Nueva York y Santa Cruz, California, han identificado una limitación crucial: estos modelos no pueden predecir con exactitud eventos meteorológicos sin precedentes.
Publicado en la revista Proceedings de la Academia Nacional de Ciencias de EE.UU., el estudio señala que aunque estos sistemas hacen pronósticos a corto plazo con “gran precisión”, fallan ante fenómenos intensos que no aparecen en sus datos de entrenamiento, ya que las redes neuronales solo reconocen patrones pasados.
IA y huracanes: cuando la red neuronal no anticipa lo inesperado
Los autores explican que para probar la IA usaron datos históricos para entrenarla, pero eliminaron huracanes mayores a categoría 2. Luego simularon condiciones para un huracán categoría 5 y la red no logró predecirlo correctamente.
“Estos modelos funcionan bien para el día a día, pero ¿y si surge un fenómeno inesperado?”, cuestiona Hassanzadeh. El equipo concluye que la IA no puede anticipar eventos fuera del rango de sus datos, un problema grave con el cambio climático. “Los datos son limitados y presentan fallas. Por eso, los modelos de IA dependen de la calidad y cantidad de datos disponibles”, añade el experto.
No es un milagro tecnológico
A pesar de estas fallas, Hassanzadeh considera que los modelos meteorológicos de IA son “uno de los mayores avances en ciencia” y aún tienen “gran potencial”. El experimento confirma que “no son magia”.
Estos modelos funcionan como ChatGPT y otros sistemas de lenguaje basados en redes neuronales, que aprenden a partir de grandes volúmenes de datos y predicen patrones según instrucciones.
La diferencia clave con los modelos físicos tradicionales es que estos últimos “comprenden” la física y resuelven ecuaciones, mientras que los modelos de IA solo observan patrones y pronostican con base en experiencias previas.
“El modelo no aprendió física, solo empareja patrones. Ve una situación y predice la siguiente, en lugar de aplicar leyes físicas”, explica Dorian Abbot, geofísico y coautor.
Como solución, los investigadores proponen integrar principios matemáticos y físicos en los modelos de IA para que puedan anticipar “cisnes grises” —eventos poco comunes pero físicamente posibles— mediante el aprendizaje de la dinámica atmosférica, señala Hassanzadeh.
Abbot añade que, en teoría, la IA podría entrenarse para reconocer secuencias con base en las leyes físicas, pero desarrollar esta capacidad es un “campo de investigación activo”.
Jonathan Weare, matemático y coautor, advierte que esta investigación es una “lección” para gobiernos y agencias climáticas: “Si dependes solo de IA, podrías no evacuar porque la alerta no refleja un fenómeno grave, pero en realidad se trata de algo peor que la IA no identificó por falta de datos”.
Fuente: https://elpais.com/proyecto-tendencias/2025-06-18/los-modelos-meteorologicos-basados-en-ia-tropiezan-con-la-prediccion-de-fenomenos-ineditos.html
0 comentarios:
Publicar un comentario