Google DeepMind dice que WeatherNext logra un avance en la predicción de ciclones
Puntos clave
- •El modelo de IA WeatherNext de Google DeepMind ofrece más de 24 horas adicionales de anticipación para la predicción de la trayectoria, la intensidad y la estructura del viento de ciclones.
- •El modelo fue entrenado con casi 20 terabytes de datos atmosféricos globales combinados con registros históricos de aproximadamente 5,000 tormentas.
- •Durante la temporada de huracanes de 2025, WeatherNext ayudó al National Hurricane Center a predecir la rápida intensificación y el impacto en Jamaica del huracán Melissa, lo que permitió emitir una advertencia anticipada.
- •Google DeepMind libera como código abierto el código y los pesos de los modelos WeatherNext 2 y WeatherNext Cyclones, además de una versión compacta WeatherNext 2-mini que se ejecuta en una sola TPU.
- •El modelo logra su precisión utilizando datos de entrada con una resolución de 28x28 kilómetros, aproximadamente 100 veces más gruesa que la que requieren los sistemas tradicionales de pronóstico de ciclones.
Google DeepMind dice que WeatherNext logra un avance en la predicción de ciclones
Equipo de WeatherNext
WeatherNext permite pronósticos precisos de ciclones que pueden proporcionar un día adicional de advertencia. Google DeepMind ahora libera el modelo como código abierto.
Predecir cómo se desarrollan los ciclones peligrosos ha sido durante mucho tiempo un desafío en el que cada hora cuenta. Los ciclones tropicales —también conocidos como huracanes o tifones— se encuentran entre los fenómenos meteorológicos más destructivos de la Tierra, responsables de más de 700,000 muertes y de $1.4 trillion en pérdidas económicas a nivel mundial en los últimos 50 años. Para los pronosticadores, emitir alertas oportunas y precisas es una carrera constante contra el tiempo. Las Naciones Unidas han convertido los sistemas de alerta temprana en una prioridad global a través de su iniciativa Early Warnings for All, cuyo objetivo es garantizar que todas las personas del planeta estén protegidas por sistemas de alerta de peligros para 2027.
Hoy, en un artículo publicado en Nature, Google DeepMind dijo que su modelo de IA WeatherNext alcanzó una precisión de vanguardia para predecir la trayectoria, la intensidad y la estructura del viento de un ciclón. En promedio, el modelo ofrece a los pronosticadores un día adicional de precisión predictiva: sus pronósticos a tres días son tan buenos como lo que los modelos anteriores podían ofrecer solo para los siguientes dos días. La compañía dijo que esa magnitud de mejora equivale aproximadamente a una década de progreso meteorológico. WeatherNext se basa en los modelos anteriores de IA para el clima de Google, GraphCast y GenCast, y extiende esa línea de investigación para centrarse específicamente en los ciclones tropicales.
El trabajo reunió a investigadores e ingenieros de IA de Google DeepMind y Google Research, junto con pronosticadores expertos del National Hurricane Center (NHC), el Cooperative Institute for Research in the Atmosphere (CIRA), el UK Met Office y agencias meteorológicas de todo el mundo.
Google dijo que la investigación ya ha tenido impacto en el mundo real. Durante la temporada de huracanes de 2025, el modelo ayudó al NHC a realizar un pronóstico histórico del huracán Melissa al predecir la rápida intensificación de la tormenta y su llegada a tierra en Jamaica. Eso permitió al NHC emitir una advertencia anticipada, dando a los equipos en tierra un tiempo crítico para prepararse. Este año, los grupos continúan trabajando juntos y ahora están prediciendo 1,000 posibles escenarios para cada ciclón con el fin de apoyar a los pronosticadores en su toma de decisiones.
El clima afecta a todas las personas. Debido a ese amplio impacto, Google DeepMind libera como código abierto sus modelos WeatherNext 2 y WeatherNext Cyclones utilizados durante la temporada de huracanes. Al poner esta tecnología a disposición de forma abierta, la compañía dijo que espera apoyar a la comunidad investigadora y ampliar el papel de la IA en la construcción de comunidades más resilientes, incluido el apoyo a los pronosticadores locales para prepararse ante desastres naturales, el respaldo al crecimiento de la energía renovable y la anticipación del clima extremo. Este lanzamiento de código abierto entra en un campo en el que varias empresas tecnológicas, incluidas NVIDIA y Huawei, han publicado modelos de IA para el clima en los últimos años, lo que refleja el creciente interés de la industria en aplicar el aprendizaje automático a la meteorología operativa.
Cómo WeatherNext predice el clima y los ciclones
Partiendo de las condiciones atmosféricas globales durante el huracán Milton en octubre de 2024, WeatherNext Cyclones predice de forma iterativa tanto patrones meteorológicos globales como trayectorias de ciclones a pequeña escala hasta 15 días por adelantado. Ejecutar un conjunto de 1,000 miembros genera mapas localizados de probabilidad de vientos desde tormenta tropical hasta fuerza de huracán.
La predicción de ciclones tradicionalmente ha requerido una compensación entre dos enfoques de modelado distintos. La trayectoria de un ciclón —hacia dónde va— está dirigida por corrientes atmosféricas globales a gran escala, que hasta ahora se han modelado mejor con sistemas globales más gruesos. Sin embargo, la intensidad de un ciclón —qué tan fuerte llega a ser— depende de procesos termodinámicos altamente localizados y de pequeña escala alrededor de su núcleo, que generalmente se modelan mejor con sistemas locales especializados y de mayor resolución.
Google dijo que WeatherNext cierra esa brecha al mejorar la predicción tanto del clima global como de los ciclones. Es un único modelo de IA que predice la trayectoria, la intensidad y la estructura del viento de un ciclón tropical con una precisión de vanguardia. La compañía dijo que el avance proviene de una combinación única de su entrenamiento, arquitectura y enfoque de entradas de baja resolución.
WeatherNext Cyclones se evaluó con ciclones históricos de 2023 a 2024, comparando su desempeño determinista y probabilístico con otros modelos meteorológicos líderes. En promedio, el modelo ofrece más de un día completo, o 24 horas, de ventaja en tiempo de anticipación para predecir trayectorias, intensidad y estructura del viento de los ciclones.
El modelo fue entrenado conjuntamente con dos modalidades de datos distintas: dinámica meteorológica global y observaciones históricas de ciclones seleccionadas por expertos. Fue entrenado de extremo a extremo con casi 20 terabytes de datos atmosféricos globales y con la base de datos histórica IBTrACS, que abarca casi 5,000 tormentas históricas, lo que le permite aprender patrones atmosféricos complejos y el comportamiento del clima extremo.
La precisión de los pronósticos de ciclones ha mejorado de forma constante en las últimas décadas. Google dijo que los gráficos del artículo muestran la precisión a tres días de los pronósticos de trayectoria ECMWF-ENS y de intensidad HWRF a lo largo del tiempo, y cómo WeatherNext Cyclones representa un cambio importante en la precisión tanto de la trayectoria como de la intensidad. La compañía dijo que esta mejora equivale a aproximadamente una década de progreso según las tendencias de los últimos 20 años.
El modelo utiliza Functional Generative Networks (FGNs) para producir de manera eficiente conjuntos de diferentes predicciones, capturando la incertidumbre inherente del clima. Google dijo que ahora puede generar un único pronóstico de 15 días en menos de un minuto en una TPU, lo que permite a los pronosticadores evaluar rápidamente la distribución de probabilidad de riesgos extremos potencialmente devastadores. El año pasado, el sistema producía 50 predicciones a la vez, en línea con los modelos físicos globales. Este año, Google amplió el tamaño del conjunto a 1,000 miembros para capturar mejor escenarios raros pero relevantes, como eventos de rápida intensificación, como ocurrió durante el huracán Melissa en 2025.
Hasta ahora, la muy alta resolución espacial generalmente se había considerado el principal factor para lograr pronósticos precisos de intensidad. Sin embargo, WeatherNext Cyclones solo necesita datos con una resolución de 28x28km, que es 100 veces más gruesa que la de los modelos tradicionales. Una versión más pequeña del modelo, WeatherNext 2-mini, que opera con una resolución aún más gruesa de 111x111km, también mostró un sólido desempeño. Google dijo que esto ha sorprendido a los científicos, y sigue siendo una pregunta abierta de investigación comprender por completo cómo los modelos producen predicciones tan precisas con esta resolución.
Abrir WeatherNext a la comunidad de investigación
Junto con el artículo de Nature, Google DeepMind libera como código abierto el código y los pesos del modelo, dejándolos disponibles gratuitamente para que cualquiera los utilice. La compañía dijo que esto incluye investigación académica, pronóstico operativo y el desarrollo de modelos más especializados y localizados. Espera que el lanzamiento acelere el progreso en toda la comunidad meteorológica global y ayude a agencias meteorológicas, investigadores y organizaciones sin fines de lucro a predecir mejor fenómenos meteorológicos de todo tipo y tomar decisiones clave para proteger vidas e infraestructura.
Google también está publicando dos conjuntos de modelos similares: WeatherNext Cyclones, que se ejecutó durante la temporada de huracanes y cuyos resultados aparecen en el artículo; y WeatherNext 2, una actualización posterior que se puso en operación en octubre. Además, la compañía está publicando WeatherNext 2-mini, una versión compacta del modelo que puede ejecutarse en una sola TPU en un cuaderno público gratuito de Colab.
Los usuarios también pueden explorar los pronósticos más recientes de ciclones en Weather Lab, que Google renovó recientemente con una nueva interfaz y amplió para incluir pronósticos meteorológicos globales junto con trayectorias de ciclones. Weather Lab ahora permite visualizar predicciones de WeatherNext para temperatura, precipitación, velocidad del viento y más, todo en una sola vista. Tanto Weather Lab como los modelos WeatherNext forman parte de Google Earth AI.
Impulsar las fronteras de la IA para el pronóstico del tiempo
Google dijo que ha logrado un avance histórico al ganar más de un día completo de anticipación para predecir ciclones, un progreso que describió como equivalente a una década de avance meteorológico. Mientras se prepara para futuras temporadas de tormentas, la compañía invita a investigadores, agencias meteorológicas y expertos a colaborar en los modelos de código abierto y a explorar los pronósticos en Weather Lab.
Al combinar aprendizaje automático avanzado con la experiencia real e indispensable de los pronosticadores humanos, Google dijo que busca crear un ecosistema colaborativo de pronóstico meteorológico que pueda salvar vidas y ayudar a las comunidades a adaptarse a un clima cambiante.
Nota: Para los pronósticos y alertas meteorológicas oficiales, consulte a su agencia meteorológica local o al servicio meteorológico nacional.
Agradecimientos
Esta investigación fue co-desarrollada por los equipos de Google DeepMind y Google Research.
Google agradeció a sus colaboradores NOAA/NWS/NCEP National Hurricane Center, Cooperative Institute for Research in the Atmosphere (CIRA) y UK Met Office por su colaboración y contribuciones al artículo.
Este trabajo refleja las contribuciones de los coautores del artículo: Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez y Peter Battaglia.
