La temporada de huracanes en el Atlántico está llegando a su fin, y con la calma que se instala en los trópicos durante el invierno, la atención de los meteorólogos se centra en evaluar qué funcionó y qué no durante la temporada que termina.
Este año, las conclusiones son claras. Aunque el Weather Lab de Google DeepMind comenzó a publicar sus pronósticos de trayectoria de ciclones en junio, su servicio de pronóstico basado en inteligencia artificial tuvo un desempeño excepcionalmente bueno. En contraste, el modelo Global Forecast System (GFS), operado por el Servicio Meteorológico Nacional de Estados Unidos y basado en la física tradicional, con el apoyo de supercomputadoras, tuvo un rendimiento muy por debajo de lo esperado.
Los datos oficiales que comparan el rendimiento de los modelos de pronóstico serán publicados por el Centro Nacional de Huracanes en unos meses. Sin embargo, Brian McNoldy, investigador de la Universidad de Miami, ya ha realizado algunos cálculos preliminares.
Los resultados son notables:
Para interpretar el gráfico, es importante saber que resume la precisión del pronóstico de la trayectoria de las 13 tormentas nombradas en la cuenca del Atlántico durante esta temporada. Mide el error medio de posición en varias horas del pronóstico, desde 0 hasta 120 horas (cinco días). En este gráfico, cuanto más baja es una línea, mejor ha sido el rendimiento del modelo.
Un nuevo campeón
La línea negra punteada muestra el error de pronóstico promedio para los pronósticos oficiales de las temporadas 2022 a 2024. Lo que destaca es que el principal modelo global de Estados Unidos, el GFS (denotado aquí como AVNI), es, con diferencia, el modelo con el peor rendimiento. Mientras tanto, en la parte inferior del gráfico, en color marrón, se encuentra el modelo de Google DeepMind (GDMI), que tiene el mejor rendimiento en casi todas las horas de pronóstico.
La diferencia en los errores entre el modelo GFS de EE. UU. y el DeepMind de Google es notable. A cinco días, el pronóstico de Google tenía un error de 165 millas náuticas en comparación con las 360 millas náuticas del modelo GFS, más del doble de malo. Este es el tipo de error que hace que los meteorólogos descarten por completo un modelo en favor de otro.
Pero hay más. El modelo de Google fue tan bueno que superó regularmente el pronóstico oficial del Centro Nacional de Huracanes (OFCL), que es producido por expertos humanos que analizan una amplia gama de datos del modelo. El modelo basado en IA también superó a los modelos de “consenso” altamente considerados, incluidos los productos TVCN y HCCA. Para obtener más información sobre los distintos modelos y sus designaciones, se puede consultar un recurso externo.
Esto cambiará los pronósticos para siempre
Vale la pena señalar que DeepMind también tuvo un desempeño excepcionalmente bueno en el pronóstico de la intensidad, que son las fluctuaciones en la fuerza de un huracán. Entonces, en su primera temporada, acertó tanto en las trayectorias como en la intensidad de los huracanes.
Como meteorólogo que ha confiado en los modelos tradicionales basados en la física durante un cuarto de siglo, es difícil expresar lo asombrosos que son estos resultados. En el futuro, es seguro decir que confiaremos en gran medida en Google y otros modelos meteorológicos de IA, que probablemente mejorarán en los próximos años, ya que son relativamente nuevos y tienen margen de mejora.
“La belleza de DeepMind y otros modelos meteorológicos similares basados en datos y en la IA es la rapidez con la que producen un pronóstico en comparación con sus homólogos tradicionales basados en la física que requieren algunas de las supercomputadoras más caras y avanzadas del mundo”, señaló Michael Lowry, especialista en huracanes y autor del boletín Eye on the Tropics, sobre el rendimiento del modelo. “Más allá de eso, estos modelos ‘inteligentes’ con sus arquitecturas de redes neuronales tienen la capacidad de aprender de sus errores y corregirlos sobre la marcha”.
¿Qué pasa con el modelo norteamericano?
En cuanto al modelo GFS, es difícil explicar por qué tuvo un rendimiento tan deficiente esta temporada. En el pasado, ha sido, en el peor de los casos, digno de consideración al hacer un pronóstico. Pero este año, tanto yo como otros meteorólogos a menudo lo descartamos.
“No está claro de inmediato por qué el GFS tuvo un rendimiento tan deficiente esta temporada de huracanes”, escribió Lowry. “Algunos han especulado que la interrupción en la recopilación de datos debido a los recortes gubernamentales relacionados con DOGE este año podría haber sido un factor contribuyente, pero presumiblemente tal factor también habría afectado a otros modelos globales basados en la física, no solo al GFS estadounidense”.
Con el gobierno de los EE. UU. en modo de cierre, probablemente no podamos esperar muchas respuestas pronto. Pero parece claro que la actualización masiva del núcleo dinámico del modelo, que comenzó en 2019, ha sido en gran medida un fracaso. Si el GFS estaba un poco por detrás de algunos competidores hace una década, ahora se está desvaneciendo aún más rápido.
Fuente original: ver aquí