ohn el miércoles por la noche, Huracán milton se convertirá en el quinto huracán en 2024 tocará tierra en los EE. UU. continentales A medida que tormentas como esta se vuelven más frecuentes e intensas, la inteligencia artificial está desempeñando un papel cada vez más central en los esfuerzos de los meteorólogos y otros científicos para rastrear estas tormentas y mitigar sus daños.
Durante años, los meteorólogos han construido complejos modelos de pronóstico de tormentas basados en la velocidad del viento, la temperatura, la humedad y otros factores, y registrados mediante lecturas de aviones, boyas y satélites. Pero estos modelos pueden tardar horas en producir pronósticos actualizados.
Los modelos de aprendizaje automático, por otro lado, se basan en un vasto conocimiento de la atmósfera terrestre y en datos sobre cómo se han desarrollado tormentas anteriores. Se destacan en el reconocimiento de patrones, descubriendo tendencias que la mayoría de los humanos no pueden discernir en una fracción del tiempo. Y este año, han ofrecido repetidamente predicciones precisas relacionadas con las tormentas, generadas en cuestión de segundos y días antes de que una tormenta golpee la costa.
“La comunidad meteorológica, en algunos casos a regañadientes y en otros, adopta plenamente el modelado de IA”, dice el meteorólogo con sede en Houston. Matt Lanza. “En términos de huracanes, hemos aprendido que el modelado de IA puede ir a la par con el modelo basado en la física, por lo que hay que usarlo”.
Leer más: Esto es lo que necesita saber sobre la trayectoria esperada del huracán Milton
Lanza dice que esta semana ha surgido un consenso entre muchos tipos diferentes de modelos de que Milton probablemente aterrizará entre Clearwater y Sarasota, Florida. El modelado de IA, dice Lanza, “probablemente detectó ese resultado potencial entre 12 y 18 horas antes que muchos otros modelos”.
La precisión de la IA en el seguimiento de las tormentas
Esta no es la primera vez que los modelos de IA predicen la trayectoria de un huracán este año antes que los modelos tradicionales. GraphCast, creado por la empresa de inteligencia artificial de Google Deepmind, entrenó un programa de inteligencia artificial en cuatro décadas de datos meteorológicos globales y predicho correctamente que Beryl, el primer gran huracán del Atlántico en 2024, tocaría tierra en Texas, a diferencia de un modelo europeo de primer nivel que predice una llegada a México. El equipo detrás del proyecto ganó el premio de ingeniería más importante de Gran Bretaña este añoy uno de los jueces lo calificó como “un avance revolucionario”.
Un par de meses después, un modelo europeo de IA llamado AIFS predijo con éxito el camino de francina cuando llegó a la costa del Golfo. “La consistencia fue increíble”, dice Lanza. “No creo que ni siquiera los modelos tradicionales con mejor rendimiento fueran tan consistentes”. lanzamiento escribió en su blog que la precisión del modelo le dio a su equipo la confianza de que la tormenta no sería una preocupación importante para Texas, lo que permitió a la gente en el terreno planificar y organizar los recursos de manera más apropiada.
Otros modelos de pronóstico importantes incluyen FourCastNetdesarrollado por NVIDIA, y Pangu-Weather, de Huawei. El Centro Nacional de Huracanes (NHC), por su parte, ha IA integrada en sus procesos de pronóstico, y el subdirector del NHC, Jamie Rhome, lo llamó un “pilar” de éxito el año pasado. “La sofisticación de la IA ha mejorado dramáticamente y continúa mejorando, y eso es crítico porque sólo tenemos tres horas para hacer el pronóstico”, dijo a NBC Miami.
A pesar de su éxito, la tecnología todavía tiene muchos inconvenientes. A estudio 2024 Descubrió que, si bien los modelos de aprendizaje automático pronosticaron eficazmente las características a gran escala de la tormenta de viento europea Ciarán, no lograron registrar vientos dañinos en la superficie y otros aspectos inusuales de la tormenta. Lanza dice que los modelos de IA tienden a subestimar la intensidad de los huracanes y, a veces, tienen dificultades para medir las precipitaciones.
Debido a estos errores, Lanza dice que es crucial que los meteorólogos no dependan únicamente de los pronósticos de la IA. “No vamos a entregarle las riendas a estas cosas y simplemente decir: 'haganme un pronóstico y lo regurgitaré'”, dice. “Aún hay que considerar el espectro más amplio de herramientas disponibles para usted”.
Predecir marejadas ciclónicas
En la Universidad de Florida, un científico de IA Zhe Jiang está trabajando para resolver uno de estos problemas más granulares en cuanto a precisión: cómo las marejadas ciclónicas afectarán las costas de Florida. Jiang dice que la IA para el modelado costero se ha quedado atrás con respecto a los pronósticos meteorológicos más globales, debido a la falta de datos de entrenamiento de alta calidad y al hecho de que las redes neuronales basadas en datos a menudo desconocen los principios físicos fundamentales, como cómo se moverá o dispersará el agua.
Para hacer avanzar este campo, Jiang y sus colegas, incluidos oceanógrafos costeros, han estado entrenando a un sustituto de IA basado en simulaciones costeras. Según resultados preliminares, esta IA ha creado pronósticos de corrientes oceánicas 500 veces más rápido que los modelos anteriores. Jiang espera entrenar pronto el modelo para marejadas ciclónicas, lo que espera que pueda salvar vidas y evitar daños a la propiedad. “En las previsiones actuales, puede llevar algunas horas hacer una previsión. Si reducimos el tiempo a segundos, los gestores de desastres pueden planificar con más tiempo y hacer que más personas planifiquen mejor los posibles daños”, afirma Jiang.
Pero Jiang tiene cuidado al señalar que el simple hecho de utilizar modelos de inteligencia artificial de propósito general para predecir marejadas ciclónicas podría tener consecuencias desastrosas. “Las redes neuronales a veces hacen predicciones demasiado seguras pero inexactas, lo que provoca graves consecuencias en la toma de decisiones de alto riesgo”, afirma.
Muchos otros investigadores se han embarcado en proyectos paralelos. Un investigador de la Universidad de Miami es computadoras de entrenamiento con la esperanza de construir réplicas en 3D de sistemas de tormentas activos, para que los aviones no tengan que volar hacia ellos para tomar lecturas. Otra empresa está utilizando el aprendizaje automático para intentar predecir dónde se producirán los cortes de energía y cuántos residentes podrían verse afectados.
Jiang dice que enfrentar huracanes como Milton hace que su trabajo sea aún más urgente: “Hay cada vez más eventos graves y peligros costeros como el huracán Milton cerca de mi casa, y realmente estamos corriendo con el tiempo para desarrollar tecnologías de inteligencia artificial más rápido”.
