Google DeepMind y Google Research presentaron WeatherNext 3, descrito como el modelo meteorológico global más avanzado y preciso hasta la fecha según evaluaciones independientes en tiempo realizadas por Brightband. El modelo insignia de pronóstico con IA incorpora datos satelitales en tiempo real, actualizaciones cada hora, mayor resolución, pronósticos de precipitación precisos y nuevas variables de energía limpia. Ya está integrado en Google Search, la app de Gemini, Google Maps, Google Maps Platform y Google Cloud.

Cada día, el clima influye en miles de millones de decisiones. Algunas son tan simples como tomar un paraguas antes de salir de casa, pero otras tienen consecuencias mucho mayores. El viento, la lluvia y los eventos meteorológicos extremos, como las olas de calor y las sequías, generan impactos en cadena en la agricultura, las cadenas de suministro globales, la producción de energía limpia y las economías nacionales.

En los últimos años, la IA ha revolucionado el pronóstico del tiempo, utilizando registros históricos para hacer predicciones más rápidas y precisas que los métodos tradicionales. El propio GraphCast de DeepMind, lanzado en 2023, superó a los sistemas numéricos convencionales en muchas métricas y ayudó a establecer el aprendizaje automático como un complemento creíble de los pronósticos basados en física, junto con esfuerzos de otras organizaciones como el Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) y su modelo de código abierto AIFS. Sin embargo, predecir el clima altamente local y de rápida evolución ha seguido siendo un desafío. Los modelos anteriores a menudo carecían de resolución espacial suficiente y tenían dificultades para incorporar datos meteorológicos en tiempo real de fuentes como los satélites.

WeatherNext 3 aprende directamente de observaciones en tiempo real, lo que permite predicciones oportunas y más localizadas de los eventos meteorológicos que más impactan a las personas. Al utilizar datos satelitales brutos para producir un pronóstico de alta resolución cada hora, el modelo hace que los pronósticos confiables sean accesibles en los productos de Google en todo el mundo.

Predicción meteorológica rápida con una resolución sin precedentes

La utilidad de un pronóstico suele reducirse al detalle: qué tan finamente resuelve tanto el tiempo como el espacio. WeatherNext 3 genera pronósticos cada hora a múltiples resoluciones espaciales, manteniendo la consistencia física desde los amplios patrones globales de viento hasta la topografía local.

El modelo visualiza variables clave de superficie, como la temperatura y la humedad, a una resolución de 5 kilómetros; otras variables de superficie a 10 kilómetros; y variables atmosféricas, como la velocidad del viento, a 25 kilómetros. En conjunto, esto ofrece una imagen meteorológica global aproximadamente cinco veces más nítida que su predecesor, WeatherNext 2, que producía pronósticos en una cuadrícula de 25 kilómetros en incrementos de 6 horas.

En términos de arquitectura, WeatherNext 3 ingiere mosaicos satelitales geoestacionarios en vivo de 1 hora junto con análisis históricos tradicionales para alimentar un único y flexible transformador de malla Functional Generative Network (FGN). Produce campos en cuadrícula densos, trayectorias discretas de ciclones y predicciones nativas de coordenadas dispersas a nivel de estación.

En una comparación de pronósticos de temperatura a 2 metros sobre el Reino Unido, la resolución nativa de 5 kilómetros (0.05°) de WeatherNext 3 resuelve la intrincada topografía local, evitando las representaciones térmicas pixeladas y excesivamente suavizadas que producía WeatherNext 2 a una resolución de 25 kilómetros (0.25°).

Datos del mundo real a escala global continua

El mayor salto adelante está en aquello de lo que aprende el modelo. La mayoría de los modelos meteorológicos de IA, incluido WeatherNext 2, se entrenan con datos de modelos de predicción numérica del tiempo (NWP). Aunque útiles, los modelos NWP son complejas simulaciones de física impulsadas por supercomputadoras que conllevan un retraso de seis horas en los datos, un desfase que puede introducir sesgos en variables de rápida evolución como la lluvia o la temperatura superficial.

Al ingerir un mosaico de datos satelitales geoestacionarios globales en vivo, WeatherNext 3 obtiene una visión de la atmósfera que se actualiza continuamente. Esto le permite generar un nuevo pronóstico cada hora, cada uno basado en las observaciones satelitales más recientes disponibles, con una resolución de hasta 5 kilómetros.

Esta actualización rápida importa porque el clima crítico se desarrolla con rapidez. Cuando tormentas, frentes o sistemas de precipitación se materializan de manera repentina, el ciclo de actualización por hora del modelo y su mayor resolución brindan información más temprana y detallada para respaldar una respuesta efectiva.

Algunas variables, como la temperatura y la humedad, pueden fluctuar drásticamente en apenas unos kilómetros, algo especialmente relevante para comunidades cercanas a costas, valles o cordilleras. Los modelos tradicionales tienen dificultades aquí porque se entrenan con representaciones de la atmósfera que carecen de detalle y pasan por alto variaciones locales extremas. WeatherNext 3, en cambio, se entrena directamente con datos de observación dispersos de estaciones meteorológicas, lo que permite pronósticos globales en una cuadrícula de 5 kilómetros que incorporan detalles regionales como la topografía.

Según Google, este avance es especialmente significativo para regiones de América Latina, África y Asia-Pacífico que históricamente han estado desatendidas por el pronóstico de alta resolución debido a los enormes costos de supercomputación de los modelos regionales tradicionales. Lleva pronósticos localizados de alta fidelidad a miles de millones de personas y negocios locales en estas áreas. Dado que los modelos de IA, una vez entrenados, funcionan con mucho menos cómputo que los sistemas NWP basados en supercomputadoras, reducen la barrera de costos que históricamente limitó el pronóstico de alta resolución a las regiones más ricas.

Más allá de la resolución y la frecuencia de los pronósticos, el modelo incorpora predicciones diseñadas para la producción de energía renovable. WeatherNext 3 pronostica velocidades de viento a 100 metros, aproximadamente a la altura de las turbinas, para estimar con precisión la generación eólica, junto con cobertura nubosa de alta resolución y niveles de radiación solar para ayudar a las plantas solares a estimar cuánta luz llegará al suelo. Google indica que estos datos son cruciales para la planificación global de energía limpia, ya que permiten a los operadores de red y a los desarrolladores de renovables predecir cuánta energía generarán sus activos limpios y equiparla con la demanda de los consumidores. Esa capacidad se alinea con el objetivo declarado de Google de operar con energía libre de carbono las 24 horas del día para 2030, un esfuerzo que depende en gran medida de predecir la producción renovable.

Pronóstico de precipitación con precisión innovadora

Los modelos meteorológicos globales han tenido históricamente dificultades para predecir la precipitación con precisión. Los sistemas de lluvia y nieve están impulsados por procesos nubosos de rápida evolución a escalas diminutas que son difíciles de modelar con simulaciones tradicionales basadas en la física. Como resultado, los pronósticos de IA a menudo producen estimaciones borrosas o pasan por por completo los límites de las tormentas severas.

Para abordar esto, Google entrenó el modelo con dos conjuntos de datos de precipitación de alta calidad: el Integrated Multi-satellite Retrievals for GPM (IMERG) de la NASA, basado en satélites, y su propia reanálisis global de precipitación basado en radar satelital.

El resultado es un salto significativo en la precisión del pronóstico de precipitación. En pronósticos globales de medio plazo, las evaluaciones frente a puntos de referencia muestran una mejora de hasta 60% en el Continuous Ranked Probability Score (CRPS) frente a IMERG, 30% para MRMS y 10% frente a mediciones de pluviómetros para los primeros plazos de anticipación.

En una comparación de pronósticos de probabilidad de precipitación de medio plazo (PoP > 1mm), WeatherNext 2 a una resolución de 25 kilómetros mostró una huella de precipitación muy difusa y pixelada, mientras que WeatherNext 3 a una resolución de 11 kilómetros reflejó de cerca la verdad de terreno satelital real, capturando con precisión las nítidas bandas convectivas de los sistemas meteorológicos.

Investigación aplicada en todo el ecosistema

Google señala que su objetivo principal es avanzar la inteligencia meteorológica para hacerla universalmente útil, ya sea para un respondedor de emergencias que sigue cambios repentinos del viento, un controlador de tráfico aéreo que planifica rutas de vuelo o un agricultor que gestiona sus cultivos.

Para sacar estos avances del laboratorio, WeatherNext 3 se está integrando en el ecosistema central de Google y más allá:

• Datos de pronóstico de alta resolución: Las predicciones meteorológicas globales se actualizan cada hora y están listas para integrarse en los flujos de trabajo de los usuarios sin necesidad de configurar modelos. Investigadores, desarrolladores y empresas pueden consultar los datos en BigQuery y Earth Engine, o descargarlos de forma masiva desde Google Cloud Storage.
• Disponibilidad global: WeatherNext 3 comienza a impulsar las experiencias meteorológicas dentro de Google Search, la app de Gemini, Google Maps, Google Maps Platform Weather API y Google Earth Engine a partir de hoy. La actualización mejora drásticamente los pronósticos de más largo plazo: al planificar con un día o más de anticipación, los usuarios verán pronósticos de precipitación hasta 50% más precisos, con las mayores mejoras en regiones donde los pronósticos históricamente han sido menos confiables.

Google señala que la atmósfera siempre conservará un grado de imprevisibilidad. Sin embargo, al entrenar con observaciones del mundo real y eludir las limitaciones del modelado tradicional, WeatherNext 3 acerca los pronósticos a reflejar lo que realmente ocurre en el terreno. A medida que madura el pronóstico con IA, una pregunta recurrente en el campo es cómo coexistirán los sistemas de aprendizaje automático y las agencias tradicionales basadas en la física; los servicios meteorológicos nacionales, incluidos los que colaboran con desarrolladores de IA, siguen siendo la fuente autorizada de alertas y seguridad pública, un papel que el propio Google reconoce.

Los recursos adicionales relacionados con el lanzamiento incluyen el documento de investigación de WeatherNext 3, la documentación para desarrolladores sobre cómo construir con WeatherNext 3, el Weather Lab para visualizaciones en tiempo real del modelo y las tablas de clasificación independientes en vivo de Brightband, que muestran la posición de WeatherNext 3. Los lectores también pueden explorar el trabajo geoespacial y de IA más amplio de Google a través de Google Earth Engine, AlphaEarth Foundations y Earth AI.

El aviso legal de Google indica que, para pronósticos oficiales, alertas de clima severo y avisos de seguridad pública, los usuarios deben consultar a su agencia meteorológica local o al servicio meteorológico nacional.

Fuente: Blog de Google DeepMind