Google Research y Google DeepMind han lanzado WeatherNext 3, la versión más nueva del sistema de pronóstico meteorológico de IA de la compañía y, según Google, su modelo de pronóstico global más preciso hasta el momento. Anunciado el 3 de septiembre, el sistema comenzará a enviar información meteorológica a Search, Google Maps y Gemini, y estará disponible para empresas e investigadores a través de las plataformas en la nube de Google.
A diferencia de las supercomputadoras gubernamentales que han producido la mayoría de los pronósticos del mundo durante décadas, WeatherNext 3 es un modelo de aprendizaje profundo: aprende patrones directamente de las observaciones en lugar de resolver paso a paso las ecuaciones de la física atmosférica. Google también dice que es el primer modelo de IA que incorpora observaciones satelitales sin procesar directamente en un pronóstico global de alta resolución, una afirmación que al menos un competidor cuestiona. Esto es lo que cambió y por qué los pronosticadores, mucho más allá de Google, están siguiendo de cerca los últimos desarrollos de IA en este campo.
Cómo la IA rompió el molde del pronóstico del tiempo
Los pronósticos tradicionales provienen de agencias nacionales como el Servicio Meteorológico Nacional de EE. UU. y el Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF), cuyas supercomputadoras analizan ecuaciones matemáticas que describen la física de la atmósfera. Esos sistemas son notablemente precisos pero caros y comparativamente lentos.
La alternativa de aprendizaje profundo despegó después de que el ECMWF publicara más de medio siglo de datos meteorológicos archivados en 2018, brindando a los investigadores exactamente el tipo de corpus de entrenamiento en el que prosperan las redes neuronales. "El clima es caótico, por lo que las pequeñas diferencias realmente comienzan a perturbar enormemente", dijo a TechCrunch Ferran Alet, gerente científico de investigación de DeepMind. "El aprendizaje automático apunta al problema que realmente estamos resolviendo, que es una física aproximada y ruidosa a partir de información incompleta y computación finita, por lo que aprende patrones a partir de una gran cantidad de datos".
Más nítido, más rápido y mucho más frecuente
WeatherNext 3 es un modelo más grande que su predecesor (2,4 veces más parámetros) y ahora supera el Operational WeatherBench de Brightband, un punto de referencia independiente que compara sistemas de pronóstico de IA en temperatura, velocidad del viento y humedad. Según TechCrunch, supera a los modelos rivales de aprendizaje profundo de Google, Microsoft, Nvidia y el ECMWF, y supera los pronósticos numéricos tradicionales producidos por el Servicio Meteorológico Nacional de EE. UU. y el propio ECMWF.
Los beneficios prácticos son sustanciales:
- Resolución de hasta 5 km para variables clave, donde la mayoría de los modelos de IA pronostican en áreas de 15 a 25 km. The Decoder informa que el modelo es cinco veces más detallado que WeatherNext 2.
- El pronóstico de lluvia mejoró en un 60 por ciento con respecto a WeatherNext 2 en las evaluaciones de Google, y 9to5Google cita pronósticos de precipitación un 50 por ciento más precisos para los propios productos de Google.
- Predicciones horarias en lugar de la cadencia estándar de seis horas, porque el modelo puede incorporar observaciones satelitales recopiladas en tiempo real cada hora.
- Objetivo a nivel de estación, lo que significa que el modelo predice qué medirán estaciones meteorológicas específicas, no solo cuadrados de cuadrícula.
"La idea, con muchas aplicaciones de IA, es intentar ejecutar tareas de un extremo a otro posible", dijo a TechCrunch Daniel Rothenberg, científico atmosférico de Brightband. "Agregar una capacidad en la que este modelo ahora también predice, digamos, lo que la estación meteorológica del aeropuerto de Denver va a medir cada hora, simplemente conecta esa tarea de pronóstico más cerca del núcleo".
La disputa por los datos satelitales sin procesar
El reclamo de Google de ser el primero se basa tanto en el análisis de datos como en la arquitectura del modelo. La mayoría de los pronosticadores de IA todavía se entrenan e inicializan en conjuntos de datos de análisis formateados producidos por agencias meteorológicas gubernamentales. WeatherNext 3 ingiere observaciones satelitales sin procesar directamente, cada hora, lo que está más cerca, según Google, de una verdadera asimilación de datos.
La startup meteorológica de IA WindBorne responde que su propio modelo WeatherMesh 6 ha estado incorporando observaciones sin procesar de su flota de globos meteorológicos y otras fuentes desde finales de 2025. Cuando se le preguntó sobre la disputa, Google señaló la resolución global de sus pronósticos. Ambas empresas, señala TechCrunch, todavía se basan en conjuntos de datos nacionales para partes del proyecto, por lo que la asimilación totalmente directa sigue siendo un trabajo en progreso para todo el campo.
Dónde lo verán los usuarios
"Esta será la primera vez que algunas de las variables centrales alimentan y potencian muchos de los productos de Google", dijo a TechCrunch Samier Merchant, ingeniero senior de Google. La información meteorológica en Search, Google Maps y Gemini se basará en los resultados de WeatherNext 3, poniendo los pronósticos generados por IA frente a miles de millones de usuarios, muchos de los cuales nunca conocerán el modelo detrás de ellos.
Por qué es importante más allá de la aplicación
La economía es la historia más importante. Los pronósticos de IA son rápidos y baratos de producir en comparación con los conjuntos de supercomputadoras, lo que pone pronósticos utilizables al alcance de regiones que nunca han podido permitírselo. El Decoder informa que partes de África, América Latina y Asia-Pacífico que carecen de pronósticos precisos deberían ver las mayores ganancias. Bill Gates ha citado el pronóstico meteorológico mediante IA como un beneficio concreto para el desarrollo, ya que mejores pronósticos mejoran el rendimiento de los cultivos en los países en desarrollo, y Alet señala que los pronósticos de viento, lluvia y nubes de mayor resolución pueden hacer que los proyectos de energía renovable sean más confiables.
Las agencias meteorológicas de Europa y Estados Unidos ya están integrando modelos de IA en sus productos operativos. Con WeatherNext 3, la revolución transformadora que remodeló el lenguaje se ha convertido silenciosamente en el motor del clima cotidiano.
Manténgase por delante de la IA
La investigación en IA avanza rápidamente. Obtenga los últimos desarrollos de IA en un solo lugar.
Leer más noticias sobre IA →
