Google La investigación anunció una nueva generación inteligencia artificial (AI) el viernes que puede ayudar a mitigar la incertidumbre y las imprecisiones en el pronóstico del tiempo. El modelo de IA se denomina Sampler de difusión de envolvente escalable (SEEDS) y, en lugar de seguir el modelo probabilístico tradicional de pronóstico del tiempo, el modelo de IA se basa en modelos probabilísticos de difusión de eliminación de ruido. Este no es el primer modelo de pronóstico del tiempo en el que está trabajando el gigante tecnológico, ya que anteriormente presentó GraphCast, un modelo que puede predecir el clima con hasta 10 días de anticipación, y MetNet-3, un modelo de pronóstico de alta resolución para 24 horas. duración de una hora.
El anuncio fue realizado por el ingeniero de software senior Lizao Li y el científico investigador de Google Research, Rob Carver, en un entrada en el blog. El equipo ha publicado un papel sobre el modelo de IA generativa SEEDS en la revista Science Advances. Según el anuncio, el modelo de IA innovará el pronóstico del tiempo de dos maneras distintas: haciéndolo más preciso y reduciendo el costo de predecir el tiempo.
Destacando los dos problemas principales en el pronóstico del tiempo moderno, el documento afirmaba que en estos momentos los modelos ejecutan algo llamado «pronósticos probabilísticos». Básicamente, se centran en las condiciones iniciales para generar un pronóstico primario y, a medida que las condiciones progresan y los modelos meteorológicos reciben más datos, el modelo se corrige para generar un pronóstico más preciso. Google dice que este método permite una mayor incertidumbre en las predicciones de mayor duración. En cuanto a los costos, el equipo de investigación destacó que las supercomputadoras masivas que ejecutan modelos meteorológicos numéricos altamente complejos, donde las predicciones deben generarse constantemente para llegar a un resultado preciso, pueden tener un costo elevado.
SEEDS, según el artículo de investigación, trabaja en modelos probabilísticos de difusión de eliminación de ruido, desarrollado por Google Research. Se entrenó en métricas basadas en habilidades, como el histograma de clasificación, el error cuadrático medio (RMSE) y la puntuación de probabilidad clasificada continua (CRPS). El documento afirma que si bien el modelo tiene un costo computacional insignificante, también mejora la precisión de la predicción inicial, ya que requiere menos generación de pronósticos durante un período de tiempo particular.
El equipo de investigación también incluyó casos de ejecución del modelo de IA para predecir el clima y descubrió que ofrecía mayor confiabilidad que el modelo gaussiano. Destacando el ejemplo de una vaguada geopotencial al oeste de Portugal, dijo: “Aunque el modelo gaussiano predice adecuadamente las distribuciones marginales univariadas, no logra capturar correlaciones espaciales o entre campos. Esto dificulta la evaluación de los efectos que estas anomalías pueden tener sobre las intrusiones de aire caliente desde el norte de África, que pueden exacerbar las olas de calor en Europa”. Según Google Research, SEEDS puede tener en cuenta estos factores para mejorar su predicción. El modelo aún debe ser revisado por pares y, dependiendo de su viabilidad, podría convertirse en un modelo comercial más adelante.