El primero, desarrollado por Huawei, detalla cómo su nuevo modelo de IA, Pangu-Weather, puede predecir patrones climáticos semanales en todo el mundo mucho más rápido que los métodos de pronóstico tradicionales, pero con una precisión comparable.
El segundo demuestra cómo un algoritmo de aprendizaje profundo fue capaz de predecir lluvias extremas con mayor precisión y con más anticipación que otros métodos líderes, ocupando el primer lugar alrededor del 70 % de las veces en pruebas con sistemas existentes similares.
Si se adoptan, estos modelos podrían usarse junto con los métodos convencionales de predicción del clima para mejorar la capacidad de las autoridades para prepararse para el mal tiempo, dice Lingxi Xie, investigador principal de Huawei.
Para construir Pangu-Weather, los investigadores de Huawei construyeron una red neuronal profunda entrenada en 39 años de datos de reanálisis
Los investigadores probaron Pangu-Weather contra uno de los principales sistemas de predicción del tiempo convencionales en el mundo, el sistema de pronóstico operativo integrado del Centro Europeo de Pronósticos del Tiempo a Medio Plazo (ECMWF), y encontraron que producía una precisión similar.
Pangu-Weather también pudo rastrear con precisión la trayectoria de un ciclón tropical, a pesar de no haber sido entrenado con datos sobre ciclones tropicales. Este hallazgo muestra que los modelos de aprendizaje automático pueden captar los procesos físicos del clima y generalizarlos a situaciones que no han visto antes, dice Oliver Fuhrer, jefe del departamento de predicción numérica de MeteoSwiss, la Oficina Federal Suiza de Meteorología y Climatología. No participó en la investigación.
Pangu-Weather es emocionante porque puede pronosticar el clima mucho más rápido de lo que los científicos podían hacer antes y pronosticar cosas que no estaban en sus datos de entrenamiento originales, dice Fuhrer.
El año pasado, varias empresas de tecnología dieron a conocer modelos de inteligencia artificial que tienen como objetivo mejorar el pronóstico del tiempo. Pangu-Weather y modelos similares, como FourcastNet de Nvidia y GraphCast de Google-DeepMind, están haciendo que los meteorólogos “reconsideren cómo usamos el aprendizaje automático y los pronósticos meteorológicos”, dice Peter Dueben, jefe de modelado del sistema terrestre en ECMWF. No participó en la investigación, pero probó Pangu-Weather.