El nuevo modelo de tormentas de DeepMind les da a los pronosticadores un día más y nadie sabe muy bien por qué funciona
WeatherNext Cyclones predice hacia dónde se dirige una tormenta tropical y qué tan fuerte se vuelve, en un solo sistema, utilizando datos cien veces más burdos que los modelos especializados. El código y los pesos son públicos.
Google DeepMind ha publicado WeatherNext Cyclones, un modelo de pronóstico de tormentas tropicales que anticipa aproximadamente un día más que los mejores sistemas operativos que se utilizan en la actualidad. Para poner esto en perspectiva, un día adicional de advertencia es aproximadamente lo que ganaron los modelos meteorológicos convencionales durante la década anterior. El trabajo apareció en Nature y fue construido junto con el Centro Nacional de Huracanes de EE. UU., el Instituto Cooperativo para la Investigación de la Atmósfera y la Oficina Meteorológica del Reino Unido.
La previsión de ciclones siempre ha implicado un oficio molesto. Los modelos globales como el sistema de conjuntos europeo son buenos para predecir hacia dónde irá una tormenta, pero son demasiado toscos para decir qué tan fuerte se volverá. Los modelos regionales especializados, como el HAFS de la NOAA, fijan la intensidad, pero se desvían en la pista. WeatherNext Cyclones hace ambas cosas en un solo sistema. En un pronóstico de cinco días, su centro de tormenta estimado está desviado en un promedio de 230 kilómetros, contra 370 para el conjunto europeo y 335 para el modelo GenCast anterior de DeepMind. En intensidad de tres días supera al HAFS en unos 3,75 nudos. Durante el huracán Melissa, que azotó Jamaica en 2025, DeepMind dice que el modelo ayudó a los meteorólogos a captar a tiempo la rápida intensificación de la tormenta.
La parte realmente extraña es la resolución. El modelo funciona en una cuadrícula donde cada punto cubre unos 28 kilómetros, aproximadamente cien veces más grueso que los modelos regionales especializados que supera. Incluso una variante compacta con 111 kilómetros por punto de parrilla sigue siendo competitiva. “La alta resolución no es un requisito previo estricto para la previsión de intensidad más moderna”, escriben los autores. Su conclusión honesta es que los datos atmosféricos aproximados aparentemente contienen mucha más información sobre la fuerza de las tormentas de lo que nadie suponía, y exactamente cómo los extrae el modelo sigue siendo una cuestión de investigación abierta.
Dos decisiones técnicas hicieron la mayor parte del levantamiento. En lugar del enfoque de difusión que utilizó GenCast, que necesita docenas de pasos a través de la red por paso, este modelo utiliza Redes Generativas Funcionales que se las arreglan con un solo paso, lo que lo hace ocho veces más rápido. Y en lugar de agregar ruido aleatorio píxel a píxel, inyecta ruido en las capas de control de la red, lo que produce escenarios genuinamente diferentes pero físicamente plausibles en lugar de variantes confusas de una respuesta. Debido a que un pronóstico de 15 días ahora se ejecuta en menos de un minuto en un chip de inteligencia artificial de Google, el equipo aumentó el número de escenarios paralelos por tormenta de 50 a 1000, que es lo que hace que rara vez aparezcan resultados extremos.
Qué significa esto para ti: A menos que vivas en una zona de tormentas, esto no es algo que tocarás. Es importante de todos modos, por dos razones. En primer lugar, es un caso concreto en el que la IA produce una ganancia real para la seguridad pública en lugar de una ganancia de referencia, y el código y los pesos del modelo están en GitHub bajo una licencia abierta, con una versión pequeña que se ejecuta de forma gratuita en una computadora portátil Colab. En segundo lugar, DeepMind tiene cuidado de presentarlo como un complemento, no como un reemplazo: el Centro de Huracanes aún combina varios modelos basados en la física, y para recibir advertencias oficiales aún se debe escuchar al servicio meteorológico nacional. Vale la pena notar esa moderación en un campo que generalmente se vende demasiado.
Fuentes
Fuentes: https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/
Un científico del clima registró ocho semanas de uso de agentes de inteligencia artificial. Conseguía 600 veces más energía por mensaje que un mensaje de chat
Zeke Hausfather rastreó 3.200 millones de tokens a través de Claude Code y estimó la electricidad detrás de ellos. Las cifras por mensaje que publican los laboratorios de IA resultan describir un tipo de uso que casi nadie hace ya.
