WeatherNext 3 ya está aquí. Google DeepMind y Google Research han presentado su nuevo modelo de inteligencia artificial para la predicción meteorológica, y promete cambiar la forma en que consultamos el clima. La gran novedad: pronósticos globales con una resolución de hasta 5 km, actualizados cada hora y alimentados directamente con datos de satélites en vivo. Adiós a las esperas de seis horas entre actualizaciones.

Precisión kilométrica y actualización por hora

Hasta ahora, los modelos de IA solían trabajar con una resolución de entre 15 y 25 km, lo que dejaba fuera los detalles de montañas, costas y valles. WeatherNext 3 rompe esa barrera. En una sola pasada genera tres niveles de salida: 0,05° (~5 km) para temperatura y punto de rocío a 2 metros entrenados con estaciones meteorológicas reales; 0,1° (~10 km) para viento en superficie, presión, nubosidad y precipitación; y 0,25° (~25 km) para campos atmosféricos en 13 niveles de presión.

El modelo se inicializa 24 veces al día. Los ciclos sinópticos de las 00, 06, 12 y 18 UTC se extienden hasta 15 días (360 horas) con 64 miembros de conjunto, mientras que las ejecuciones horarias intermedias cubren 48 horas. Esto es posible porque WeatherNext 3 ingiere directamente un mosaico de satélites geoestacionarios, sin esperar los análisis de los superordenadores meteorológicos que suelen llegar con unas seis horas de retraso.

Lluvia bajo la lupa

Predecir la lluvia siempre ha sido el talón de Aquiles de los modelos globales. Google afirma que WeatherNext 3 mejora en este frente: las evaluaciones internas muestran una reducción de hasta el 60% en el CRPS (una métrica de precisión probabilística) frente a IMERG en plazos cortos, un 30% frente a MRMS y un 10% frente a pluviómetros. También reportan una mejora de hasta el 50% en el Brier score (que mide la exactitud de las predicciones probabilísticas) en comparación con modelos NWP tradicionales.

El modelo entrena contra tres fuentes de precipitación: reanálisis de ECMWF, las recuperaciones satelitales IMERG de la NASA y el propio reanálisis de precipitación radar-satélite de Google. El resultado son campos de lluvia mucho más nítidos, sin esas manchas borrosas que tan poco ayudaban al usuario común.

De satélites a tus productos favoritos

WeatherNext 3 no se quedará en los laboratorios. Google ya ha anunciado que sus predicciones empezarán a alimentar Google Search, Google Maps y Gemini. “Esta será la primera vez que algunas de las variables centrales alimenten y potencien muchos de los productos de Google”, afirmó Samier Merchant, ingeniero senior de Google, en declaraciones a TechCrunch.

Además, los datos del modelo estarán disponibles en la nube de Google: BigQuery, Earth Engine y Cloud Storage, previa solicitud en lista de autorización. Eso sí, los pesos del modelo no son de código abierto y la inferencia personalizada bajo demanda sigue usando WeatherNext 2.

Para el sector de las energías renovables, el modelo ofrece viento a 100 m (altura típica de los aerogeneradores), distribución de nubes y componentes de irradiancia solar. Una combinación que los operadores de red necesitan para pronosticar la producción eólica y solar.

Una mirada al futuro

Los investigadores de DeepMind han aplicado una arquitectura de Functional Generative Network (FGN) mesh transformer, escalada a resolución múltiple y con 2,4 veces más parámetros que su predecesor. El resultado ya ha sido evaluado de forma independiente por Brightband en su plataforma Operational WeatherBench, donde WeatherNext 3 supera a otros modelos de Google, Microsoft, Nvidia, el ECMWF y el Servicio Meteorológico Nacional de EE.UU.

Ferran Alet, gerente científico de investigación en DeepMind, lo resume así: “El clima es caótico, y pequeñas diferencias comienzan a perturbarse enormemente… El aprendizaje automático apunta al problema que realmente estamos resolviendo, que es física aproximada y ruidosa a partir de información incompleta y cómputo finito, y así aprende patrones de muchos datos”.

El modelo ya está disponible para investigadores y usuarios a través de los servicios en la nube de Google, previa solicitud de inclusión en una lista de autorización. Sin embargo, los pesos del modelo no son de código abierto y la inferencia personalizada bajo demanda sigue usando WeatherNext 2.