La divisió d’intel·ligència artificial (IA) de Google, DeepMind, afirma en un article a la revista ‘Science’ que un dels seus models, anomenat ‘GraphCast‘, ha superat la precisió dels meteorolòlegs en les previsions del temps de manera significativa. Segons expliquen, la millora en les prediccions permet saber molt millor quin temps farà fins amb 10 dies d’antelació, uns resultats que podrien ajudar a fer-les no només millors sinó també més ràpides i més barates.
Superior en un 90% de les mètriques analitzades
Durant l’estudi publicat, GraphCast va donar resultats millors que el que, fins ara, és considerat el sistema més avançat del món: el del Centre Europeu de Prediccions Meteorològiques a Mitjà Termini (ECMWF). En aquestes proves, el model de Google va superar-lo en un 90% de les gairebé 1.400 mètriques analitzades, que inclouen la temperatura, la presió, la direcció i velocitat del cent i la humitat a diversos punts de l’atmosfera. A més, totes aquestes variables, i les perspectives de canvi durant 10 dies, es calculen en menys d’un minut.
Així doncs, GraphCast podria suposar un gran avenç en la velocitat i la precisió en l’ús de la intel·ligència artificial en la meteorologia, que està avançant molt més ràpid del que gairebé ningú podia esperar. Fent servir l’aprenentatge automàtic i una xarxa neural, entrenada amb dades recollides durant quatre dècades per l’ECMWF, ara és capaç de processar la situació meteorològica actual i de les darreres sis hores i generar un pronòstic durant els 10 dies següents en només un minut, cosa que, a més, redueix el consum d’energia unes 1.000 vegades en comparació amb els mètodes tradicionals.
Algunes limitacions
No obstant això, aquesta nova IA de Google té algunes limitacions, ja que en alguns casos, com en la intensificació sense cap avís previ de l’huracà Otis a Acapulco el passat 25 de novembre, no va superar els resultats dels models convencionals. A més, a causa de limitacions tecnològiques, aquest gran model global no pot fer prediccions tan detallades com els models tradicionals, que continuen sent millors per estudiar la meteorologia a una escala més petita.
