Google DeepMind anunció el lanzamiento de WeatherNext 3, un modelo de predicción meteorológica impulsado por inteligencia artificial, que tiene como principal objetivo aumentar la precisión de los pronósticos a través de la integración directa de observaciones atmosféricas.
La presentación del nuevo sistema se realizó el 3 de septiembre. De acuerdo con la compañía, WeatherNext 3 utiliza información recolectada desde satélites, estaciones meteorológicas y radares de precipitación para fortalecer sus estimaciones.
Características clave del modelo WeatherNext 3
El desarrollo de WeatherNext 3 introduce cambios sustanciales respecto a modelos anteriores, como GraphCast. Los modelos previos operaban con una resolución cercana a 28 kilómetros, mientras que el nuevo sistema llega a resoluciones de cinco kilómetros en variables seleccionadas. Esto permite obtener previsiones sobre cuadrículas de hasta cinco por cinco kilómetros.
Otra mejora es la frecuencia de actualización. El nuevo modelo puede generar estimaciones meteorológicas cada hora, a diferencia de los métodos anteriores, limitados a intervalos de seis horas. Esta funcionalidad posibilita un seguimiento más detallado de la evolución atmosférica.
La información utilizada por WeatherNext 3 marca otra diferencia importante. Los modelos meteorológicos usuales parten de una estimación del estado actual de la atmósfera y aplican ecuaciones físicas para proyectar su desarrollo. El nuevo modelo además incorpora mediciones directas, como imágenes satelitales, estableciendo conexiones entre las condiciones registradas y futuros cambios meteorológicos.
Entrenamiento y alcance de los pronósticos
Para su entrenamiento, WeatherNext 3 empleó aproximadamente 25 años de registros de radares de precipitación. También integró entre 10 y 15 años de imágenes satelitales captadas por dispositivos geosincrónicos, que observan constantemente los cambios atmosféricos en la misma región.
La inteligencia artificial del sistema analiza patrones en imágenes y datos históricos para determinar la evolución del clima. El modelo puede evaluar el movimiento de nubosidad y asociarlo con la probabilidad de precipitaciones, una tarea clave en la predicción meteorológica.
Según Google, WeatherNext 3 realiza previsiones con uno o varios días de antelación. La empresa indicó que, en determinadas circunstancias, la precisión puede mejorar hasta un 50 % frente a modelos anteriores. No obstante, esa mejora corresponde al máximo registrado y no equivale a un promedio general, ya que los resultados dependen del tipo de fenómeno y la región estudiada.
Uno de los retos actuales es anticipar con mayor eficacia los episodios meteorológicos extremos. La compañía comunicó que aún no ha realizado una evaluación específica de WeatherNext 3 en relación con fenómenos como las danas, por lo que no existe información concreta sobre la capacidad del modelo para predecir estos eventos.
Disponibilidad, acceso y usos complementarios
El desarrollo forma parte de la estrategia de Google para aplicar la inteligencia artificial a la predicción de riesgos meteorológicos. Un grupo de Google Research desarrolla modelos adicionales enfocados en la anticipación de inundaciones. Para estos fines, utiliza los pronósticos de precipitación generados por WeatherNext 3 para optimizar sus resultados.
En marzo, el equipo presentó Groundsource, una metodología basada en inteligencia artificial que recurre a información pública. Este sistema ayuda a construir registros históricos de inundaciones y genera previsiones sobre inundaciones urbanas hasta 24 horas antes del evento.
WeatherNext 3 está disponible para consultas meteorológicas a través del Buscador de Google, Google Maps y Gemini, sin costo adicional para los usuarios. Los investigadores y desarrolladores tienen acceso a los datos mediante Earth Engine y BigQuery.
El acceso para instituciones y empresas requiere un pago en función del volumen de información descargada. El precio se incrementa si se solicitan más variables, mayor resolución o los 64 escenarios posibles que genera el modelo.
Por último, Google aclaró que los datos personales de quienes utilizan el servicio no son usados para entrenar WeatherNext 3. La empresa destacó que la información utilizada para el desarrollo se diferencia de los datos generados por las consultas meteorológicas de los usuarios.
También lee
