Estos pronósticos que nos dicen las condiciones esperadas en las próximas horas y días por lo general vienen de los mismos modelos meteorológicos globales, no importa si se está en el trópico o en los Himalayas.
Desde el comienzo de la predicción meteorológica moderna en la década de 1950, los meteorólogos se han basado principalmente en la “predicción numérica del tiempo”: modelos matemáticos que simulan el mundo y la atmósfera de acuerdo con la física del agua, el viento, la tierra y la luz solar, y las infinitas formas en que interactúan. Todos los modelos intentan simular cómo se comporta la atmósfera basada en ciertas condiciones iniciales o condiciones observadas.
Desde entonces los modelos han ido mejorando tanto en espacio como tiempo. Pero en los últimos años, la proliferación de satélites de observación de la Tierra, así como los nuevos sensores, y hasta millones de teléfonos modernos que proveen datos de presión atmosférica anónimamente se han provisto para estas predicciones, exigiendo aumentos exponenciales en la potencia de cálculo para hacer predicciones oportunas.
A medida que las nuevas técnicas de aprendizaje automático o “machine learning” se vuelven omnipresentes y que ya usamos para reconocer rostros o imitar la escritura humana, estas mismas técnicas se están probando para “leer” las nubes en las imágenes satelitales y las imágenes de reader para estimar su evolución.
El aprendizaje automático es un sistema de algoritmos informáticos que puede aprender “viendo” ejemplos, observando información histórica y determinando la evolución. El aprendizaje automático es parte de la inteligencia artificial que combina datos con herramientas estadísticas para predecir un resultado.
Google, está utilizando un enfoque libre de física basado en datos, lo que significa que el algoritmo está aprendiendo a aproximarse a la física atmosférica por medio de los ejemplos de entrenamiento, no incorporando conocimiento previo de cómo funciona la atmósfera como lo hacen los modelos. Su enfoque es tratar la predicción meteorológica como un problema de evolución de una imagen a otra, viendo cómo se han comportado eventos reales que sirven de ejemplo.
La Inteligencia artificial está haciendo que los métodos de predicción existentes sean más eficientes, contribuyendo a aumentos en la velocidad y precisión de la predicción, y se han visto avances para detectar y estimar las rutas de condiciones climáticas adversas como tornados y granizo con mayor precisión. Una ventaja significativa del aprendizaje automático es que la inferencia es computacionalmente barata dado que el modelo ya está entrenado.
Esta tecnología no reemplazará la previsión meteorológica tradicional, sino que aumentará y fortalecerá los métodos existentes. Principalmente se está explorando y utilizando para predecir el muy corto plazo es decir lo que puede pasar en las próximas 6 a 24 horas. Por ahora han tenido éxito y se espera que pronto tengamos mayor precisión para condiciones de corto plazo.
