El Servicio Meteorológico Nacional colabora con instituciones académicas para desarrollar herramientas de análisis más precisas. Una de ellas busca alertar de inundaciones repentinas
El Nobel de Física estadounidense Richard Phillips Feynman adelantó en 1985, en una conferencia en Harvard, que un día habría máquinas que serían mejores que los humanos prediciendo el tiempo y que lo harían más rápido. Lo que hace casi 40 años parecía ciencia ficción es hoy una realidad. Las predicciones meteorológicas se hacen con complejos modelos que cruzan datos de la atmósfera y los océanos almacenados en supercomputadoras. Google, por ejemplo, utiliza la inteligencia artificial (IA) a través de GraphCast, para ofrecer el diagnóstico global del tiempo en solo un minuto y de manera mucho más precisa de lo que se hacía antes.
La tecnología permite trabajar con grandes volúmenes de información y acercarla a los usuarios: es común que llevemos en el bolsillo un celular con la temperatura en la interfaz de inicio, y cada vez tenemos a nuestra disposición más herramientas con datos geolocalizados para tomar decisiones ante un clima cambiante; además, los periodistas especializados intentan hacer más atractivas las noticias con realidad aumentada e incluso ya hay televisiones que han dejado sus segmentos del tiempo a la inteligencia artificial.
En Argentina, el proyecto Prevenir (Pronóstico y Alerta de Eventos de Inundaciones Repentinas), una iniciativa conjunta entre entidades argentinas y japonesas que usa diferentes metodologías, incluida la IA, busca desarrollar un sistema de alerta temprana de inundaciones urbanas imprevistas. En una etapa inicial, Prevenir ha sido diseñado para dos de las ciudades más pobladas del país que tienen cuencas altamente vulnerables: la de los arroyos Sarandí y Santo Domingo, en la ciudad de Buenos Aires, y la del río Suquía, que recorre laderas serranas de la provincia y la ciudad de Córdoba.
Prevenir es un proyecto pionero en la región. Aunque en Brasil algunos investigadores están trabajando en el uso de IA para la mejora de los pronósticos a través del aprendizaje de errores sistemáticos, el proyecto argentino permitirá proporcionar herramientas y recomendaciones útiles para sistemas similares en otras partes del mundo. Además, en Argentina, el Servicio Meteorológico Nacional también está trabajando con técnicas de IA en la estimación de precipitaciones usando datos satelitales y en el pronóstico de fenómenos como la niebla o la actividad eléctrica.
El investigador del Consejo Nacional de Investigaciones Científicas y Técnicas (Conicet) y profesor del departamento de Ciencias de la Atmósfera y los Océanos de la Universidad de Buenos Aires (UBA), Juan Jose Ruiz, explica que Prevenir funciona como la herramienta de Google, pero a menor escala. “La idea es similar a GraphCast, pero el modelo es más sencillo porque se focaliza en la precipitación y se especializa para reproducir la dinámica de la atmósfera en dos regiones en particular”, explica Ruiz.
La plataforma GraphCast fue entrenada con los datos meteorológicos que el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (Ecmwf, por sus siglas en inglés) recopiló desde 1979. Analizó más de 40 años de historia meteorológica para hacer predicciones del tiempo. En el caso argentino, a pesar de que los procesos de aprendizaje son más acotados, según Ruiz, existen varios años de información provista por radares meteorológicos: “A partir de ese conjunto de datos, los modelos basados en IA pueden aprender cómo evolucionará en el futuro un determinado sistema precipitante”, señala.
Además de mejorar los pronósticos y alertas de inundaciones repentinas para que sean más precisos y que se comuniquen de manera más eficiente, Prevenir busca ampliar e integrar las redes de observación. Esto servirá también para concienciar a la población sobre prevención de riesgos y formar a investigadores. Según Ruiz, las operaciones que realizan las computadoras para simular las transformaciones de la atmósfera conllevan un costo computacional muy grande. Deben hacer una gran cantidad de operaciones matemáticas para pronosticar el tiempo. Hay algoritmos de inteligencia artificial, por ejemplo, que pueden ser entre 1.000 y 10.000 veces más eficaces que los actuales.
El cerebro artificial de Prevenir se abastece de información de distintos superordenadores que tienen mejor rendimiento a la hora de resolver cálculos y tareas como el entrenamiento de modelos de IA. La supercomputadora Clementina XXI es una de ellas. Alojada en la sede central del Servicio Meteorológico Nacional, puede desarrollar y entrenar modelos. Además, el proyecto también tiene acceso a la supercomputadora japonesa Fugaku, la cuarta más potente del mundo.
“Los fenómenos extremos siguen siendo un desafío”
Según el investigador del Conicet, los algoritmos también pueden aprender cómo se comportan los errores que afectan a las simulaciones y predicciones, lo que ayuda a detectarlos mejor y corregirlos. Pero todavía queda mucho por investigar para predecir con mayor precisión algunos fenómenos meteorológicos que generan grandes daños. “Los eventos extremos continúan siendo un desafío”, reconoce Ruiz.
Dependiendo de cómo sean entrenados los sistemas basados en IA, según el profesor, estos pueden subestimar la frecuencia de eventos extremos. Sin embargo, a su juicio, pueden ser de gran utilidad, especialmente cuando reciben entrenamientos específicos, como los modelos que “proporcionan la probabilidad de ocurrencia de un evento determinado”, afirma.
Aunque Prevenir tiene solo dos años y medio de vida, el investigador destaca el beneficio de recopilar información sobre un gran número de eventos con distintas herramientas como radar, satélite y simulaciones numéricas operacionales, lo que hace crecer la base de datos que alimenta los algoritmos de la IA. No obstante, explica que estas conclusiones se obtuvieron de conjuntos de datos sintéticos que se usan para investigación ya que permiten realizar pruebas. “El paso siguiente en esta investigación es dar el salto hacia el uso de datos reales para el entrenamiento de los modelos de IA para generar prototipos que puedan ser aplicados en la vida real”. Está estimado que el proyecto termine en 2027, el año en el que prevén que el prototipo esté ya funcionando.
Por el momento, la IA aplicada a la meteorología está en etapa de investigación y lejos de ser una herramienta abierta al público, como por ejemplo Chat GPT. Por lo tanto, no estará disponible para los usuarios que quieren saber qué sucederá cada día con el clima. El objetivo final del proyecto y de otros que buscan integrar la inteligencia artificial en los pronósticos del tiempo, explica Ruiz, “es poner a disposición de los pronosticadores herramientas más precisas que permitan mejorar la calidad del servicio que se brinda a la sociedad”.
TOMÁS DEAGUSTINI (EL PAÍS)
