GraphCast: el predictor de clima de Google con IA

La predicción del clima es una ciencia que surgió hace varios años y en sus principios solo bastaba con mirar al cielo y mirar si el día estaba soleado o lluvioso. Con el paso del tiempo y el avance de la tecnología, se ha podido profundizar más en esto. Las nuevas técnicas como el uso de la inteligencia artificial han hecho mucho más fácil esta tarea. Google por ejemplo tiene aplicaciones de clima en el que puedes consultar los grados de temperatura que habrá durante el día, aunque esto no es muy exacto. Ahora llega GraphCast para cambiar el curso de la historia. 

¿Te imaginas en vez de tener que mirar por ti mismo la aplicación del clima para consultar los grados, hacerlo a través de una inteligencia artificial? Precisamente esto es lo que quiere lograr Google a través de su nueva aplicación con modelo de lenguaje IA llamada GraphCast. Si quieres saber más acerca de esta app, continúa leyendo a continuación.

¿Qué es GraphCast?

GraphCast es una aplicación que utiliza como modelo de lenguaje la inteligencia artificial. Funciona como un sistema de pronóstico del tiempo que se basa en un aprendizaje automático Graph Neural Network (GNN). Según Google, esta app es capaz de predecir el estado del clima hasta con 10 días de antelación. Posee un mayor grado de certeza que el resto de las aplicaciones del clima que conocemos ya que está controlado por robots especialmente entrenados para esto.

La ventaja que tiene GraphCast por encima de los sistemas de simulación meteorológicas tradicionales es que es mucho más rápido y exacto. En tan solo segundos esta app puede hacer una evaluación del clima y dar su reporte no importa en dónde te encuentres. 

Este programa es capaz de medir 5 variables importantes y predecir su comportamiento en un plazo de días. Por ejemplo, la temperatura, la velocidad del tiempo, la dirección del viento, la presión atmosférica y el nivel del mar. Además, es capaz de determinar diferentes variables que son importantes como la humedad, la altitud, entre otras.

Características

GraphCast produce pronósticos de alta resolución a 0,25 grados de latitud/longitud (28 km x 28 km en el ecuador). En cada punto de la cuadrícula, el modelo predice cinco variables de superficie (incluidas la temperatura, la velocidad y dirección del viento y la presión media al nivel del mar) y seis variables atmosféricas en cada una de las 37 altitudes, incluida la humedad específica, la velocidad y dirección del viento y la temperatura. 

Un pronóstico de 10 días usando GraphCast solo demora algunos segundos un minuto en una sola Google TPU v4, sin embargo, un pronóstico de 10 días usando un enfoque tradicional como HRES toma horas en una supercomputadora con cientos de máquinas. Esto es más de un millón de puntos de cuadrícula que cubren toda la superficie de la Tierra. 

En una evaluación integral del desempeño frente a un sistema HRES determinista estándar, GraphCast 1380 proporcionó predicciones más precisas para más del 90% de las variables de prueba y los tiempos esperados.

Cuando restringimos nuestras estimaciones a la troposfera, la región de la atmósfera entre 6 y 20 km de altura más cercana a la superficie de la Tierra donde las predicciones precisas son más importantes, nuestro modelo superó al HRES en el 99,7% de las pruebas climáticas futuras.

¿Cómo funciona GraphCast?

GraphCast puede predecir docenas de variables climáticas con hasta 10 días de anticipación, en cualquier parte del planeta, en menos de un minuto. Cubre la superficie de la Tierra y predice seis variables atmosféricas a 37 niveles de altitud, incluidas cinco variables clave: temperatura, velocidad y dirección del viento, presión media al nivel del mar y humedad. Este enfoque basado en datos permite predicciones a velocidades sin precedentes en comparación con los métodos tradicionales.

Para verificar la eficacia de GraphCast, lo comparamos con el modelo HRES del Centro Europeo de Previsión Meteorológica utilizando 1380 objetivos validados. Los resultados son sorprendentes. GraphCast produjo pronósticos que eran más de un 90% más precisos, lo que demuestra su capacidad para predecir eventos climáticos severos con mayor precisión y durante un período de tiempo más largo. Lo más impresionante de GraphCast es su capacidad para detectar condiciones climáticas adversas antes que otros métodos. 

Además de predecir ciclones o temperaturas extremas, GraphCast tiene en cuenta los llamados «ríos atmosféricos» que transportan gran parte del vapor de agua atmosférico lejos de los trópicos. La fuerza de estos ríos atmosféricos puede indicar si habrá lluvias beneficiosas o inundaciones destructivas. 

Google explica que GraphCast será un paso importante para llevar la inteligencia artificial al pronóstico del tiempo, permitiendo pronósticos más precisos y eficientes. Pero hay un elemento aún más trascendente. El código de muestra de GraphCast está abierto a toda la comunidad científica, especialmente a los pronosticadores. 

Esto ya ha sido presentado en el panel del ECMWF sobre modelos meteorológicos, junto con otras propuestas para implementar inteligencia artificial, para que puedas probarlo todo y consultar tu intuición si necesitas más información.

 

En comparación con los métodos de pronóstico del clima que conocemos actualmente, GraphCast tiene una gran ventaja. No cabe dudas que todas las apps que emplean del modelo de lenguaje de la inteligencia artificial para su funcionamiento, están impulsadas con un sistema de aprendizaje superior. 

GraphCast tiene varios puntos a su favor sobre los modelos meteorológicos tradicionales y los modelos de aprendizaje automático basados ​​en datos unidimensionales. Aquí hemos resumido algunas de estas ventajas para que conozcas más a fondo el valor que tiene esta herramienta. 

• Es más preciso: GraphCast puede aprender relaciones complejas entre ubicaciones para crear mejores pronósticos meteorológicos. En comparación con los demás métodos tradicionales, esta app es más exacta y tiene un porcentaje de error mucho más pequeño. 
• Más estable contra la distorsión. GraphCast utiliza algoritmos de aprendizaje automático que son resistentes a anomalías en los datos. 
• Es más eficiente: GraphCast puede entrenar y ejecutar de manera más eficiente que los modelos meteorológicos tradicionales. Al tener un menor porcentaje de error se acerca mucho más al comportamiento que realmente tendrá el clima en ese periodo de tiempo. No existe otra herramienta tan potente o que sea similar a ella y de seguro con el tiempo será mejorada para potenciar aún más.

Hasta ahora lo que conocíamos eran las predicciones basadas en ecuaciones físicas y datos numéricos que se traducen en algoritmos. Este método ha sido todo un éxito ya que se ha podido prevenir muchos desastres naturales provocados por ciclones, huracanes, sismos y tifones.

Pero, todos somos conscientes de que todos los métodos tradicionales tienen sus limitaciones, ya que muchos de los pronósticos fallan o tienen un margen de error demasiado alto. Es por esto que mediante GraphCast y el uso de la inteligencia artificial se vuelve más creíble y confiable el estado del tiempo. Con un enfoque distinto y mucho más renovado, esta aplicación pretende llevar a todo el mundo