En octubre de 2025, se formó una tormenta sobre el mar del Caribe. Los modelos meteorológicos discrepaban sobre su trayectoria. ¿Se mantendría débil y acabaría en Haití, o se intensificaría y se dirigiría hacia Jamaica? El modelo de IA WeatherNext, desarrollado por DeepMind y Google Research, optó por la segunda opción. Cinco días antes de tocar tierra, predijo con un 80% de certeza que el sistema de tormentas impactaría Jamaica como un huracán de categoría 5.
El huracán Melissa fue catastrófico, causando inundaciones y deslizamientos de tierra en toda Jamaica. Pero el modelo de IA ayudó a los meteorólogos a alertar con mayor antelación a las comunidades que se encontraban en su trayectoria, para que pudieran prepararse mejor.
WeatherNext es el siguiente paso en la predicción meteorológica
En un artículo publicado en Nature, los investigadores demuestran que el modelo de IA WeatherNext puede predecir ciclones con una precisión sin precedentes. En promedio, ofrece a los meteorólogos un día adicional de antelación frente a los modelos actuales: sus pronósticos a tres días son tan precisos como los que los modelos anteriores ofrecían con solo dos días de anticipación. En la práctica, ese día extra puede marcar la diferencia.
«Incluso unas pocas horas pueden marcar la diferencia», afirma Mike Brennan, director del Centro Nacional de Huracanes de EE UU (NOAA). Organizar evacuaciones, preparar suministros y movilizar recursos para responder al riesgo de un huracán son tareas que requieren una gran rapidez, y tomar una decisión equivocada puede tener graves consecuencias. Añade: «El tiempo es crucial en este tipo de decisiones, por lo que la capacidad de ampliar la precisión de los pronósticos hasta un día más allá de lo que habíamos podido hacer hasta ahora es realmente valiosa».
Según los investigadores, adelantar las previsiones un día requería una década de trabajo. Modelar eventos extremos puede ser un desafío para la IA. El aprendizaje automático requiere una gran cantidad de datos de entrenamiento para realizar predicciones futuras, pero los eventos extremos son, por naturaleza, poco frecuentes. «No contamos con muchos datos sobre ciclones, pero sí con muchos datos meteorológicos. Así que lo que hicimos fue entrenar un modelo para que fuera eficaz tanto en la predicción del tiempo como en la de ciclones», afirma Ferran Alet, científico investigador de Google DeepMind y uno de los autores principales del artículo.
Los huracanes son particularmente difíciles de predecir porque operan en múltiples escalas espaciales, explica Kate Musgrave, jefa del grupo de ciclones tropicales del Instituto Cooperativo de Investigación en la Atmósfera y coautora del artículo. Predecir la trayectoria de una tormenta y su dirección, requiere datos meteorológicos a escala global, como la ubicación de los frentes fríos y los vientos predominantes. Sin embargo, predecir la intensidad de una tormenta requiere datos a una escala mucho menor, centrados específicamente en las condiciones atmosféricas y oceánicas locales.
«Eso es algo que simplemente no obtenemos de estos modelos globales», indica Musgrave. Si bien los modelos de IA anteriores han obtenido buenos resultados a la hora de predecir la trayectoria de una tormenta, en cuanto a la intensidad, no han dado buenos resultados.
Es fundamental predecir ambos fenómenos: un cambio en la intensidad puede marcar la diferencia entre una tormenta relativamente débil y un huracán de gran magnitud. A veces, como en el caso del huracán Melissa, un sistema de tormentas puede intensificarse rápidamente, convirtiéndose en una situación de emergencia de la noche a la mañana. Melissa fue la primera vez que el NOAA pudo predecir un huracán de categoría 5 cuando la tormenta se encontraba en la etapa de categoría 1.
