IBM, en colaboración con la NASA, ha lanzado un modelo de inteligencia artificial de código abierto diseñado específicamente para mejorar la predicción meteorológica y climática. Esta herramienta, llamada Prithvi WxC, se destaca por su versatilidad y capacidad de personalización, permitiendo su uso en aplicaciones de distinta escala, desde el pronóstico de eventos climáticos extremos hasta el análisis de datos meteorológicos locales. La innovación de Prithvi WxC radica en que se puede ejecutar en una computadora de escritorio, rompiendo la dependencia de supercomputadoras que tradicionalmente requieren estos modelos de predicción complejos.
A diferencia de los modelos de predicción climática convencionales, Prithvi WxC se apoya en redes de aprendizaje profundo entrenadas con 40 años de datos meteorológicos históricos provenientes del conjunto de datos MERRA-2 de la NASA. Este modelo ha sido optimizado para cubrir diversas necesidades, ofreciendo la posibilidad de hacer pronósticos a medida en función de los datos de cada región y escenario. Con el soporte del Laboratorio Nacional de Oak Ridge, IBM y la NASA han puesto este modelo a disposición en plataformas de código abierto como Hugging Face, facilitando su acceso a investigadores, meteorólogos y expertos en sostenibilidad alrededor del mundo.
Aplicaciones del modelo: Predicción de huracanes, reducción de escala y ondas gravitatorias
Uno de los aspectos más destacados de Prithvi WxC es su aplicabilidad en diferentes contextos meteorológicos y climáticos. IBM ha desarrollado tres aplicaciones prácticas que muestran el potencial de esta tecnología:
Reducción de escala para datos climáticos: Esta aplicación permite transformar datos de baja resolución en información detallada, un proceso conocido como reducción de escala. Al mejorar la precisión de los datos espaciales, se puede ofrecer una alerta temprana de eventos como inundaciones o vientos huracanados. IBM ha integrado esta función en su familia de modelos Granite, que permiten aumentar la resolución espacial hasta 12 veces, haciendo visible la precipitación en áreas de solo 12,5 kilómetros cuadrados, en lugar de los tradicionales 150 kilómetros cuadrados en modelos estándar. Esta mejora es vital para las previsiones locales, ya que permite detectar con mayor precisión áreas de riesgo en eventos climáticos extremos.
Predicción de huracanes: Gracias a la capacidad de Prithvi WxC para procesar grandes volúmenes de datos meteorológicos, los investigadores han podido reconstruir con exactitud la trayectoria del huracán Ida, que en 2021 causó devastación en Luisiana. Esta tecnología podría usarse en el futuro para anticipar con más precisión la trayectoria de huracanes, facilitando la toma de decisiones en términos de evacuación y fortalecimiento de infraestructuras en las zonas afectadas. El modelo ofrece la posibilidad de identificar con exactitud las áreas de impacto, lo que sería crucial para reducir el daño económico y salvar vidas en futuros desastres.
Estimación de ondas gravitatorias en la atmósfera: Otra aplicación innovadora de este modelo se centra en la mejora de las estimaciones de ondas gravitatorias. Estas ondas influyen en la formación de nubes y en los patrones de turbulencia atmosférica. La inclusión de esta función en Prithvi WxC representa un avance importante, ya que los modelos meteorológicos tradicionales suelen fallar al capturar estas ondas a alta resolución. Con esta capacidad, el modelo podría ser útil para la planificación de rutas aéreas y la reducción de riesgos en la aviación, así como para mejorar las predicciones en climas locales.
Avances en la ciencia meteorológica: Un modelo inteligente y adaptativo
Prithvi WxC es mucho más que un simple modelo de predicción; es una herramienta que “aprende” y se adapta. IBM y la NASA han diseñado este modelo utilizando una arquitectura híbrida basada en transformadores de visión y codificadores automáticos enmascarados. Estas tecnologías permiten que el modelo procese datos espaciales y temporales, lo cual es clave para predecir el comportamiento atmosférico de manera precisa. Durante su entrenamiento, los investigadores utilizaron datos incompletos de la atmósfera, forzando al modelo a “completar” la información. Esta habilidad para llenar vacíos en los datos lo convierte en una herramienta poderosa para la predicción meteorológica, especialmente en situaciones donde la información disponible es limitada.
Además, Prithvi WxC se diseñó para funcionar tanto en una representación esférica, similar a los modelos climáticos tradicionales, como en una representación plana, lo cual facilita el cambio entre escalas globales y regionales sin perder resolución. Esto significa que puede ofrecer predicciones detalladas para zonas específicas sin sacrificar la calidad de los datos globales.
IBM y la NASA continúan colaborando para expandir las capacidades de este modelo, explorando su combinación con otros sistemas de observación de la Tierra. El año pasado, IBM lanzó Prithvi para el análisis de datos geoespaciales, una herramienta que ya ha sido descargada más de 10,000 veces y utilizada en tareas como la estimación de inundaciones y la detección de incendios forestales. La integración de ambos modelos podría revolucionar la manera en que se predicen eventos extremos y se evalúa el impacto del cambio climático.