Page 12 - DiarioTiempo-16-11-23

12

Inteligencia artificial de evaluamos el modelo 4 veces.
Si queremos predecir el clima en 24 horas, simplemente

Otra opción habría sido entrenar distintos modelos, uno para
Google predice el tiempo 6 horas, otro para 24 horas. Pero sabemos que la física dentro de
6 horas será la misma que ahora.
Por lo tanto, sabemos que, si encontramos el modelo de 6 horas
que hará en el planeta en correcto y le damos sus propias predicciones como entrada, nos
debería predecir el clima de aquí a 12 horas y podemos repetir el
proceso cada seis horas”.
Esto les da “muchos más datos para un solo modelo, haciendo
solo un minuto que entrene más eficientemente”, termina Alet.
Hasta ahora, los pronósticos se han basado en la llamada
predicción meteorológica numérica, que usa ecuaciones físicas
aportadas por la ciencia a lo largo de su historia para responder
los distintos procesos que componen un sistema tan complejo
El programa supera al principal sistema de predicción en más del 90% como es la dinámica de la atmósfera.
de las variables meteorológicas Con sus resultados se definen una serie de algoritmos mate-
máticos que son los que tienen que ejecutar las supercomputa-
POR MIGUEL ÁNGEL CRIADO doras para, en minutos, tener la predicción para las próximas
horas, días o semanas (aunque también las hay a un plazo mayor,
ace años que la inteligencia artificial va descabalgan- más eficiente que un PC normal, pero con un tamaño parecido”, la fiabilidad desciende dramáticamente a partir de los 15 días).
do a sus creadores, los humanos, de sucesivos tronos. explica el investigador de Google DeepMind, Álvaro Sánchez Para hacer todo eso, la supercomputadora debe ser muy súper,
Le tocaba el turno a la meteorología, una de las González. algo que significa un enorme coste y mucho trabajo de ingeniería.
Hmayores creaciones humanas desde que los augures “De la misma forma que la tarjeta gráfica del ordenador Lo llamativo quizá es que estos sistemas no aprovechan el
romanos y antes le abrían las tripas a algún animal para saber (también conocida como GPU) está especializada en renderizar tiempo que hizo ayer o el año pasado en el mismo sitio y a la
si era el momento idóneo para sembrar o si la mañana siguiente imágenes, las TPUs están especializadas en realizar productos misma hora. GraphCast lo hace de otra manera, casi al revés.
sería propicia para la guerra. de matrices. Su aprendizaje profundo aprovecha décadas de datos meteo-
Las predicciones meteorológicas actuales se hacen con Para entrenar GraphCast utilizamos 32 de estas TPUs rológicos históricos para aprender un modelo de las relaciones
modelos muy complejos basados en las leyes que gobiernan durante varias semanas. de causa y efecto que gobiernan la evolución del tiempo meteo-
la dinámica de la atmósfera y los océanos y corriéndolos sobre Sin embargo, una vez entrenado, cada predicción se puede rológico de la Tierra.
algunos de los superordenadores más potentes del mundo. hacer en menos de un minuto utilizando una sola TPU”, detalla José Luis Casado, portavoz de Agencia Española de Meteoro-
Ahora, Alphabet (la matriz de Google), con una única máquina Sánchez González, uno de los creadores del ingenio. logía (AEMET) explica por qué se prescinde de los datos históri-
del tamaño de un ordenador personal y la inteligencia artificial Una de las grandes diferencias de GraphCast con los sistemas cos: “El modelo atmosférico utiliza las observaciones disponibles
de DeepMind, predice en un minuto el tiempo que hará en todo de predicciones actuales es que se apoya en la historia del tiempo. y la predicción inmediatamente anterior del propio modelo: si se
el planeta dentro de 10 días. Sus creadores la entrenaron con todos los datos meteorológi- conoce bien el estado actual de la atmósfera, se puede predecir
Y lo hace superando en casi todo al más moderno de los siste- cos que guarda el archivo del ECMWF desde 1979. su evolución futura.
mas de predicción meteorológica. Eso incluye tanto las lluvias caídas en Santiago desde enton- No usa predicciones o datos históricos, al contrario que los
Sin embargo, esta vez parece que la inteligencia artificial ces hasta los ciclones que han arribado a Acapulco en 40 años. métodos de machine learning.
viene a complementar a la humana más que a reemplazarla. Les llevó su tiempo entrenarla, pero ya hecho, GraphCast “La importancia del trabajo de DeepMind está en que demues-
El Centro Europeo de Previsiones Meteorológicas a Medio solo necesita saber el tiempo que hizo hace seis horas y el que tra que se puede incluso mejorar la precisión predictiva de los
Plazo (ECMWF por sus siglas en inglés) tiene ese sistema tan hace justo antes de emitir su nueva predicción, para saber en un modelos tradicionales mediante inteligencia artificial”
avanzado. El año pasado renovó su músculo predictor. segundo el tiempo que hará dentro de otras seis horas. Y cada Ignacio López Gómez, científico climático de Google Research
En sus instalaciones de Bolonia (Italia) trabaja una super- nueva predicción se retroalimenta con la anterior. Desde la sede de Google Research, en California (Estados
computadora con alrededor de un millón de procesadores (frente Ferran Alet, también de DeepMind y cocreador de la máquina, Unidos) el investigador Ignacio López Gómez idea sistemas de
a los dos o cuatro de un ordenador personal) y una potencia de detalla cómo funciona: “Nuestra red neuronal predice el clima predicción meteorológica apoyados en datos masivos. A comien-
cálculo de 30 petaflops, algo así como 30.000 billones de cálculos seis horas en el futuro. zos de año publicaba su último trabajo en el que usa inteligencia
por segundo. artificial para predecir las olas de calor. Aunque conoce a varios
Y necesita tantas flops para que una de sus herramientas, el de los creadores de GraphCast, no ha participado en su diseño
Pronóstico de Alta Resolución (HRES, en inglés) prediga, como y sus cálculos.
hace y con gran precisión, el tiempo en todo el planeta a medio “La importancia del trabajo de DeepMind y de otros similares
plazo, generalmente a 10 días, y hacerlo con una resolución espa- (como el reciente sistema Pangu-Weather diseñado por cientí-
cial de nueve kilómetros. ficos chinos) está en que demuestran que se puede alcanzar o
De ahí salen las predicciones que cuentan los hombres y incluso mejorar la precisión predictiva de los modelos tradicio-
mujeres del tiempo de medio planeta. nales mediante inteligencia artificial” López reconoce que los
A ese Goliat se ha medido GraphCast, la inteligencia artificial modelos de IA son costosos de entrenar, pero pueden realizar
de Google DeepMind para la predicción meteorológica. predicciones meteorológicas mucho más eficientemente una vez
Los resultados de la comparación, publicados hoy martes en la entrenados.
revista Science, muestran que GraphCast predice igual o mejor “En vez de requerir superordenadores, las predicciones
que HRES centenares de variables meteorológicas. basadas en inteligencia artificial se pueden realizar incluso en
Según muestran, en el 90,3% de 1.380 métricas consideradas, ordenadores personales en un tiempo razonable”.
la máquina de Google supera al maquinón del ECMWF. El ECMWF ha tomado nota y ya está desarrollando su propio
Si se descartan los datos referidos a la estratosfera, unos 6-8 sistema de predicción basado en la IA. En octubre anunciaron
kilómetros cielo arriba, y el análisis se limita a los de la tropos- que ya tenía su primera versión alfa de su AIFS (o Artificial Inte-
fera, la capa atmosférica donde suceden los eventos meteoro- lligence/Integrated Forecasting System). “Se basa en el mismo
lógicos más cercanos, la inteligencia artificial (IA) supera a la método que el de Google”, dice Casado, de la AEMET. “Aunque
supercomputación supervisada por humanos en el 99,7% de las el AIFS no es un sistema completamente operativo, supone un
variables analizadas. gran paso adelante”, añade. Como concluían los creadores de
Y lo ha logrado con una máquina muy parecida a un ordenador GraphCast en su artículo científico, la IA no viene a sustituir
personal llamada unidad de procesamiento tensorial, o TPU. al ingenio humano y menos a “unos métodos tradicionales de
Una vez entrenado, cada predicción se puede hacer en menos predicción meteorológica desarrollados durante décadas, rigu-
de un minuto utilizando una sola TPU, [máquina] mucho más rosamente testados en muchos contextos del mundo real”. De
eficiente que un PC normal, pero con un tamaño parecido” hecho, el ECMWF colaboró activamente con Google, facilitándo-
Álvaro Sánchez González, investigador de DeepMind y le el acceso a los datos y apoyándolos para este proyecto. Como
cocreador de GraphCast. termina Casado, “los modelos tradicionales basados en ecuacio-
“Las TPUs son hardware especializado para entrenar y nes físicas y los nuevos modelos de machine learning basados en
ejecutar software de inteligencia artificial de forma mucho datos podrían ser complementarios”. (El País, España)