La predicción meteorológica es otro aspecto de la vida moderna que la inteligencia artificial está transformando. Modelos como GraphCast, Pangu-Weather y Fuxi ya superan a los modelos climáticos tradicionales basados en la física a la hora de predecir algunas condiciones meteorológicas diarias. Sin embargo, distan mucho de ser perfectos. Un nuevo estudio publicado en la revista Science Advances revela que la IA a menudo no logra predecir fenómenos meteorológicos extremos sin precedentes.
Por Paul Arnold , Phys.org
Debido al cambio climático, fenómenos extremos como olas de calor y tormentas de viento sin precedentes son cada vez más frecuentes. Las alertas precisas son vitales para proteger vidas, propiedades e infraestructuras. Sin embargo, la naturaleza sin precedentes de estos eventos supone un reto para la IA.
Para comprender el porqué, los científicos compararon los principales modelos de IA con HRES (High Resolution Forecast), considerado uno de los sistemas de predicción meteorológica basados en la física más avanzados del mundo. Primero, crearon una extensa base de datos con récords de calor , frío y viento de 2018 y 2020. Luego, los investigadores verificaron las predicciones que HRES y los modelos de IA ya habían realizado para esos años, con el fin de determinar qué sistema se acercaba más a los resultados reales.
La IA subestima el riesgo
Para la predicción meteorológica cotidiana, los modelos de IA solían ser más precisos y mucho más rápidos que los sistemas de predicción meteorológica humana (HRES). Sin embargo, en eventos que batieron récords, los HRES superaron claramente a la inteligencia artificial en todos los aspectos. Por ejemplo, durante olas de calor sin precedentes , los modelos de IA predijeron sistemáticamente temperaturas mucho más bajas que las observadas. Además, cuanto más se batía un récord, menos precisa se volvía la IA.
Según los científicos, la superioridad de HRES en estas situaciones críticas radica en su dependencia de las leyes de la física. Dado que estas leyes son inmutables, los modelos basados en la física pueden simular mejor escenarios nunca antes vistos. Los modelos de IA, en cambio, lidiaban con eventos ajenos a sus datos de entrenamiento e intentaban ajustar sus pronósticos a promedios históricos más típicos.
«Nuestros hallazgos subrayan las limitaciones actuales de los modelos meteorológicos de IA a la hora de extrapolar más allá de su dominio de entrenamiento y de pronosticar los fenómenos meteorológicos récord potencialmente más impactantes», comentó el equipo de investigación en su artículo.
Un enfoque híbrido para el futuro
Ante la previsión de que los fenómenos extremos se volverán más frecuentes en los próximos años, los investigadores advierten sobre el peligro de depender exclusivamente de la IA para este tipo de trabajo tan importante. En su lugar, sugieren un enfoque híbrido que combine la velocidad de la IA con la sólida base de las leyes fundamentales de la física.
«Se requiere una verificación más rigurosa y un mayor desarrollo de los modelos antes de que estos puedan utilizarse exclusivamente para aplicaciones de alto riesgo, como los sistemas de alerta temprana y la gestión de desastres.»
Detalles de la publicación
Zhongwei Zhang et al., Los modelos basados en la física superan las predicciones meteorológicas de IA para eventos extremos sin precedentes, Science Advances (2026). DOI: 10.1126/sciadv.aec1433
