Google DeepMind y Google Research lanzaron WeatherNext 3 el jueves, describiéndolo como el modelo de IA meteorológico global más avanzado y preciso que la compañía haya construido jamás. El nuevo sistema produce un nuevo pronóstico cada hora en lugar de cada seis, y resuelve variables clave de la superficie, como la temperatura y la humedad, en una cuadrícula de 5 kilómetros, una imagen que, según Google, es aproximadamente cinco veces más nítida que su predecesor, WeatherNext 2.
A diferencia de la mayoría de los lanzamientos de modelos, éste ya está incluido en productos utilizados por miles de millones de personas. Según Google, WeatherNext 3 ahora impulsa los resultados meteorológicos en Search, Gemini, Maps, Google Maps Platform y Google Cloud. Para los seguidores de las últimas noticias e investigaciones sobre IA, el pronóstico del tiempo se ha convertido silenciosamente en una de las fronteras de mayor éxito comercial del aprendizaje automático: un dominio donde los sistemas de IA ya no son demostraciones de investigación sino el motor predeterminado detrás de las respuestas cotidianas.
Un salto de cinco veces en resolución
La utilidad de un pronóstico a menudo se reduce al detalle: con qué precisión un modelo resuelve tanto el espacio como el tiempo. WeatherNext 3 genera pronósticos cada hora en múltiples resoluciones espaciales. La temperatura y la humedad de la superficie se representan a 5 kilómetros, otras variables de la superficie a 10 kilómetros y variables atmosféricas como la velocidad del viento a 25 kilómetros.
WeatherNext 2, en comparación, produjo pronósticos en una cuadrícula de 25 kilómetros en incrementos de 6 horas. En una comparación publicada junto con el anuncio, el pronóstico de temperatura de 2 metros del nuevo modelo sobre el Reino Unido resolvió una topografía local intrincada, evitando las representaciones térmicas pixeladas y demasiado suavizadas que producía la red anterior.
Aprender de satélites reales, no sólo de simulaciones
El cambio más profundo es de lo que aprende el modelo. La mayoría de los modelos meteorológicos de IA, incluido WeatherNext 2, se entrenan con los resultados de la predicción numérica del tiempo (NWP), las simulaciones físicas impulsadas por supercomputadoras que han anclado la meteorología operativa durante décadas. Esas simulaciones conllevan un retraso de datos de seis horas, lo que introduce sesgos en variables que cambian rápidamente, como la lluvia y la temperatura de la superficie.
WeatherNext 3 toma una ruta diferente. Incorpora un mosaico en vivo de imágenes globales de satélite geoestacionario actualizadas cada hora, junto con el análisis histórico tradicional, y alimenta ambos en una única Red Generativa Funcional (FGN), una arquitectura de transformador de malla que genera densos campos cuadriculados, trayectorias de ciclones discretas y predicciones a nivel de estación de forma nativa. Debido a que cada pronóstico horario se basa en las observaciones satelitales más recientes, Google dice que el modelo puede rastrear el clima que cambia rápidamente con mucha mayor precisión, con algunas de las mayores ganancias en precipitación: las predicciones de lluvia y nieve en torno a las cuales la gente realmente planifica sus días.
De las celdas de la cuadrícula a las huellas de los ciclones
Los resultados de la FGN son notablemente diversos para un solo modelo. Más allá de los campos cuadriculados, emite trayectorias de ciclones discretas y escasas coordenadas a nivel de estación como predicciones de primera clase en lugar de complementos posprocesados. Esto es importante para los pronosticadores que monitorean huracanes y tifones, donde los errores de seguimiento se traducen directamente en decisiones de evacuación. La generación anterior de WeatherNext de Google llamó la atención en agosto por un gran avance en el pronóstico de ciclones tropicales, y la nueva arquitectura amplía esa línea de trabajo.
Dónde aparecerán los pronósticos
Google está implementando WeatherNext 3 en Search, Gemini, Maps, Google Maps Platform y Cloud. La compañía también destacó dos incorporaciones dirigidas a usuarios profesionales: un pronóstico de precipitaciones más preciso y nuevas variables de energía limpia, productos diseñados para el sector de las energías renovables donde los operadores eólicos y solares planifican en torno a los cambios atmosféricos cada hora.
Las empresas pueden integrar los pronósticos a través de Google Cloud, que posiciona a WeatherNext 3 no solo como una característica para el consumidor sino también como un producto de datos, uno que las empresas agrícolas, las empresas de logística y los operadores de redes pueden aprovechar directamente.
Cómo se midió la afirmación de precisión
La afirmación de Google de que WeatherNext 3 es el modelo meteorológico global más preciso hasta la fecha se basa no sólo en pruebas internas sino también en evaluaciones independientes en vivo realizadas por Brightband, una empresa de inteligencia artificial meteorológica que ejecuta evaluaciones comparativas continuas de sistemas de pronóstico. Invitar a evaluaciones de terceros se está convirtiendo en un patrón para los modelos científicos de Google, y aborda una crítica de larga data de que los artículos meteorológicos de IA informan resultados sobre conjuntos históricos seleccionados en lugar de condiciones de vida.
Por qué esto es importante más allá de la aplicación general
El anuncio de Google enmarca el clima como un insumo para decisiones en todas las escalas, desde tomar un paraguas hasta manejar olas de calor y sequías que afectan la agricultura, las cadenas de suministro globales, la producción de energía limpia y las economías nacionales. En los últimos años, los pronosticadores de IA se han ganado su lugar en ese proceso al generar predicciones más rápido que los métodos tradicionales y al mismo tiempo igualar o superar su precisión, según Google.
El panorama competitivo también se está calentando. Tanto las agencias meteorológicas como las empresas de tecnología han lanzado sistemas de pronóstico de IA en los últimos años, y los pronósticos satelitales cada hora elevan el listón para todos ellos. La pregunta para el próximo año es si los servicios meteorológicos nacionales comienzan a tratar modelos como WeatherNext 3 como fuentes primarias en lugar de suplementos experimentales, y si la cadencia horaria de Google se convierte en la nueva base de referencia de la industria.
---
Manténgase a la vanguardia de la IAObtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
