- GenCast de Google DeepMind tiene una precisión comparable a la de los sistemas tradicionales de pronóstico del clima
- Según una investigación reciente, cuando se probó con datos de 2019, GenCast superó al modelo de predicción de clase mundial ENS con una probabilidad del 97.2%
Características principales de GenCast
- Es un modelo de aprendizaje automático basado en IA que aprendió de datos meteorológicos de 1979 a 2018 para reconocer patrones y predecir el futuro
- Mientras que el modelo tradicional (ENS) calcula complejas ecuaciones basadas en física, GenCast utiliza aprendizaje automático para realizar predicciones de forma más eficiente
- Usa un enfoque de pronóstico por conjuntos para presentar distintos escenarios:
- Ejemplo: en la predicción de trayectorias de ciclones tropicales, ofrece alertas en promedio 12 horas antes
- Puede predecir tifones, clima extremo y producción de energía eólica con hasta 15 días de anticipación
Rendimiento y eficiencia principales
- Ahorro de tiempo y recursos:
- GenCast genera un pronóstico de 15 días en 8 minutos usando Google Cloud TPU v5
- El modelo tradicional ENS tarda varias horas en generar el mismo pronóstico
- Reduce el costo computacional al evitar las ecuaciones físicas
- Diferencia de resolución:
- GenCast opera con una resolución de 0.25 grados (latitud y longitud)
- ENS operaba en 2019 con una resolución de 0.2 grados y actualmente ha mejorado a 0.1 grados
- A pesar de la diferencia de resolución, GenCast muestra un desempeño sobresaliente
Convivencia entre la IA y los modelos tradicionales
- GenCast entrega pronósticos en intervalos de 12 horas, lo que lo diferencia de los modelos tradicionales que ofrecen datos en intervalos más cortos
- DeepMind pone el enfoque en usar GenCast junto con los modelos tradicionales para construir confianza y fiabilidad
- GenCast podría tener un impacto real como una nueva herramienta para investigadores en meteorología y profesionales del pronóstico
Posibles limitaciones del modelo de IA
- La comparación actual entre ENS y GenCast no es perfecta, ya que GenCast fue probado con datos de ENS de 2019
- Se necesitan mejoras adicionales, como escalar a una mayor resolución o proporcionar intervalos de pronóstico más cortos
- La comunidad meteorológica todavía se pregunta si los modelos basados en IA pueden ser tan confiables como los modelos basados en física
Código abierto y perspectivas futuras
- DeepMind publicó el código open source de GenCast para que más investigadores y profesionales puedan acceder a él
- Se espera que los modelos de IA, más que reemplazar a los modelos tradicionales, los complementen para permitir pronósticos del clima más precisos y rápidos
- Los modelos de pronóstico meteorológico con IA plantean la posibilidad de transformar la forma en que se usan los datos meteorológicos con el objetivo de lograr un mejor impacto social
Aún no hay comentarios.