"Es una caja negra": los meteorólogos desconfían de la IA de Google que predice el tiempo a 10 días

Si las herramientas de inteligencia artificial de Alphabet (la matriz de Google) son tan potentes que han podido deducir la estructura de casi todas las proteínas conocidas, era cuestión de tiempo que se adentrara en uno de los campos más complejos de la ciencia aplicada... y más denostados a nivel popular: la predicción del tiempo. Pero no arquee la ceja todavía: su eficacia es similar a la de las herramientas actuales y, además, no sabemos por qué predice lo que predice.

"Es una caja negra", explica el meteorólogo de Meteored Francisco Martín. La inteligencia artificial "es relativamente rápida a la hora de calcular cosas pero detrás de ella no hay física de la atmósfera, no sabemos lo que hay dentro".

Se llama GraphCast y en un solo minuto permite predecir el tiempo a 10 días en todo el mundo: tiene una precisión superior al 90% para las 1.380 variables estudiadas para la previsión meteorológica.

[Qué es la inteligencia artificial y por qué todo el mundo está hablando sin parar de ella]

En comparación, el Centro Europeo de Predicción de Tiempo a Medio Plazo, la referencia para la previsión del clima a nivel internacional, tarda varias horas en realizar sus predicciones, que lanza dos veces al día.

"Su plazo temporal de fiabilidad es similar al de los modelos meteorológicos tradicionales", afirma José Luis Casado, portavoz de la Agencia Estatal de Meteorología, Aemet. "Después de todo, la atmósfera sigue siendo caótica y no se conoce su estado exacto: no se pueden realizar observaciones en todas partes".

La ciencia del clima es una de las más complejas a las que se ha enfrentado el ser humano. Se resume en el célebre aforismo del meteorólogo Edward Norton Lorenz: "El aleteo de una mariposa en Brasil puede producir un tornado en Texas". Es decir, cualquier mínima perturbación en la atmósfera puede tener consecuencias imprevisibles en cualquier otro lugar del mundo.

[La ley europea de Inteligencia Artificial amenaza con frenar un sector que mueve 33.200 millones de dólares al año]

Francisco Martín reconoce que hace solo 20 años la capacidad de predicción solo daba para pronósticos certeros a tres días. En la actualidad, los avance en recopilación (satélites) y cálculo (ordenadores) de datos y el uso de ecuaciones matemáticas cada vez más complejas han permitido extender el rango de predicción hasta los cinco a siete días.

Dicho de otro modo, a día de hoy, usted puede fiarse de la predicción meteorológica para toda la Semana Santa antes de irse de vacaciones.

Con todo, "la atmósfera es un fluido gobernado por ecuaciones matemáticas que no se pueden resolver cuantitativamente, hay que hacerlas parcialmente, con aproximaciones", señala el experto.

Física y algoritmos

La relevancia de GraphCast y otras herramientas desarrolladas a partir de inteligencia artificial para predecir el tiempo —como FourCastnet, de Nvidia, y Pangu-Weather, de Huawei— es que lo hacen en muy poco tiempo a un coste mínimo, ya que necesitan menos capacidad de computación.

Resumidamente, los métodos de inteligencia artificial conocidos como 'machine learning' o 'redes neuronales' se basan en la asimilación de enormes cantidades de datos que son tratados mediante algoritmos para observar correlaciones y, a partir de ahí, elaborar predicciones sin utilizar los modelos desarrollados por los físicos.

Martín reconoce que el usuario no notará la diferencia, pero a nivel conceptual es importante: mientras que la física tradicional se ha basado en el descubrimiento de las leyes que nos gobiernan, elaborando teorías y poniéndolas a prueba, el mecanismo que rige a la inteligencia artificial se salta este paso. "Lo que hay dentro solo lo conocen los desarrolladores".

[Si tienes uno de estos 10 trabajos, preocúpate: la Inteligencia Artificial podría reemplazarte]

El portavoz de la Aemet, José Luis Casado, reconoce que la ventaja de la IA es el tiempo aunque, "indirectamente, podría ayudar también a hacer predicciones más precisas". Con todo, se muestra de acuerdo con Martín en que la meteorología no solo necesita respuestas precisas  "sino también consistentes".

Entre los problemas que todavía necesitan ser resueltos de estas herramientas, el meteorólogo apunta los modelos basados en la IA "suavizan las predicciones porque así se disminuye el error cometido, aunque esto puede ser algo que no ocurra en la realidad. Los modelos tradicionales no hacen este suavizado a propósito, por lo que la comparación directa de ambos no es del todo adecuada, en cierto sentido".

Tanto Martín como Casado ven a Google no como un enemigo sino como un aliado que complementa las herramientas actuales. "La inteligencia artificial ha venido para quedarse", apunta el primero.

[La inteligencia artificial de Google diseña 400.000 nuevos materiales: así es el ChatGPT de la química]

"La predicción meteorológica clásica seguirá existiendo por mucho tiempo, se tiene que investigar científicamente por qué la atmósfera se comporta de una manera y no de otra, y para eso no sirven las cajas negras. La inteligencia artificial servirá para hacer cálculos rápidos sin saber por qué y cómo".

Casado recuerda que la inteligencia artificial lleva utilizándose desde hace décadas y probablemente sea un complemento para "mejorar a posteriori las predicciones de los modelos tradicionales, o para predicciones de muy corto plazo basadas en el radar o en imágenes de satélite, por poner algunos ejemplos".

Aunque, irónicamente, es difícil predecir hacia dónde se encamina la predicción meteorológica, la inteligencia artificial "es parte del futuro, sin duda".