Pangu-Weather también fue capaz de seguir con precisión la trayectoria de un ciclón tropical, a pesar de no haber sido entrenado con datos sobre ciclones tropicales. Este hallazgo demuestra que los modelos de aprendizaje automático son capaces de captar los procesos físicos de la meteorología y generalizarlos a situaciones que no han visto antes, explica Oliver Fuhrer, jefe del departamento de Predicción Numérica de MeteoSwiss, la Oficina Federal Suiza de Meteorología y Climatología. No participó en la investigación.

Pangu-Weather es emocionante porque puede predecir la meteorología mucho más rápido de lo que los científicos eran capaces antes y predecir cosas que no estaban en sus datos de entrenamiento originales, dice Fuhrer.

El año pasado, varias empresas tecnológicas presentaron modelos de inteligencia artificial para mejorar las previsiones meteorológicas. Pangu-Weather y otros modelos similares, como FourcastNet de Nvidia y GraphCast de Google-DeepMind, están haciendo que los meteorólogos "reconsideren la forma en que utilizamos el aprendizaje automático y las previsiones meteorológicas", afirma Peter Dueben, jefe de Modelado del Sistema Terrestre del ECMWF. No participó en la investigación, pero ha probado Pangu-Weather.

Antes, el aprendizaje automático se consideraba más bien un proyecto "de juguete", afirma Dueben. Ahora, parece probable que los meteorólogos puedan utilizarlo junto con los métodos convencionales para hacer sus previsiones.

El tiempo dirá lo bien que funcionan estos sistemas en la práctica. Los sistemas convencionales de predicción meteorológica se basan en datos de observación, mientras que Pangu-Weather se basa en datos de reanálisis. Xie afirma que esperan poder entrenar su modelo con datos de observación en el futuro.

Sin embargo, aunque la IA puede ayudar a predecir hacia dónde se dirigen los ciclones tropicales, no puede pronosticar su intensidad. "La IA tiende a subestimar los fenómenos meteorológicos extremos", afirma Xie.

Sin embargo, otros modelos de IA podrían ayudar en este sentido. Un modelo generativo de IA basado en la física llamado NowcastNet puede predecir lluvias extremas con mayor antelación que los métodos convencionales existentes.

Las herramientas de predicción de lluvia de aprendizaje profundo existentes, como DeepMindDGMR de DeepMind, pueden predecir la probabilidad de que llueva en los próximos 90 minutos. NowcastNet es capaz de predecir lluvias extremas, una tarea más difícil, con hasta tres horas de antelación. Sesenta y dos meteorólogos chinos evaluaron el sistema comparándolo con otros similares y concluyeron que era el mejor método de predicción de lluvia aproximadamente en el 70% de los casos.

El equipo creó un modelo generativo profundo que se entrena con datos recogidos de distintos radares meteorológicos y otras tecnologías, como sensores y satélites, explica Jordan. El modelo también se entrena con los principios de la física atmosférica -la gravedad, por ejemplo- y con los datos de los radares, que ofrecen instantáneas de los patrones meteorológicos. El modelo puede entonces generar el siguiente escenario probable para el patrón meteorológico.

Otros modelos, como el DGMR, solo se basan en datos de radar, así que únicamente disponen de una imagen parcial de la atmósfera. Esto hace que los resultados sean menos precisos en fenómenos poco frecuentes, como las precipitaciones extremas. Como NowcastNet se basa en la física, los investigadores afirman que su modelo es capaz de obtener una visión más completa de la lluvia y de su posible comportamiento, y ofrecer predicciones más precisas.

La IA podría ayudar a la gente a ganar más tiempo cuando se trata de predicciones a corto plazo sobre fenómenos meteorológicos como las lluvias. Las lluvias extremas causan muertes y destrucción masivas, por lo que es importante poder predecirlas con un margen de tiempo que permita a la gente prepararse, según apunta Michael I. Jordan, informático de la Universidad de California en Berkeley (EE UU), que ha trabajado en el estudio.

La previsión meteorológica basada en la IA aún está en sus inicios, y queda por ver hasta qué punto estos sistemas serán realmente útiles en la práctica. El cambio climático también podría complicar el panorama, dice Dueben.

"El sistema climático está cambiando de forma drástica. Si de repente desaparece todo el hielo del Ártico, nadie sabe lo que hará un modelo como Pangu-Weather", afirma.