Muy Interesante

Google construye un modelo de inteligencia artificial que puede predecir futuros desastres climáticos

Google ha lanzado un modelo de inteligencia artificial (IA) que, según afirma, puede generar pronósticos meteorológicos precisos a escala y, al mismo tiempo, es más barato que las predicciones tradicionales basadas en la física.

El modelo Scalable Sobre Diffusion Sampler (SEEDS) está diseñado para ser similar a los populares modelos de lenguaje grande (LLM) como ChatGPT y herramientas de inteligencia artificial generativa como Sora, que generan videos basados ​​en indicaciones textuales.

SEEDS genera muchos conjuntos (o múltiples escenarios meteorológicos) de forma más rápida y económica que los modelos de pronóstico tradicionales. El equipo describió sus hallazgos en un artículo publicado el 29 de marzo en la revista Science Advances.

El clima es difícil de predecir, ya que hay muchas variables que pueden provocar fenómenos meteorológicos potencialmente devastadores, desde huracanes hasta olas de calor. A medida que el cambio climático empeora y los fenómenos meteorológicos extremos se vuelven más comunes, las predicciones meteorológicas precisas pueden salvar vidas al dar tiempo a las personas para prepararse para los peores impactos de los desastres naturales.

Los pronósticos basados ​​en la física que utiliza actualmente el servicio meteorológico recopilan una variedad de mediciones y dan un pronóstico final que promedia muchos pronósticos modelados diferentes (o conjuntos) basados ​​en todas las variables. Los pronósticos meteorológicos no se basan en un solo pronóstico, sino en un conjunto de pronósticos para cada período de pronóstico, que proporciona una variedad de posibles estados futuros.

relacionado: «Hacer jailbreak» a servicios de IA como ChatGPT y Claude 3 Opus es mucho más fácil de lo que crees

Esto significa que la mayoría de los pronósticos meteorológicos son lo suficientemente precisos para condiciones más comunes, como un clima templado o veranos cálidos, pero generar suficientes modelos de pronóstico para detectar los resultados probables de eventos climáticos extremos está fuera del alcance de la mayoría de los servicios.

Artículo Recomendado:  70 orígenes y etimologías de palabras fascinantes

Los pronósticos actuales también utilizan modelos de pronóstico deterministas o probabilísticos, donde se introducen variables aleatorias en las condiciones iniciales. Pero esto conduce a un rápido aumento de las tasas de error, lo que significa que es difícil predecir con precisión las condiciones meteorológicas extremas y el tiempo futuro.

Los errores imprevistos en las condiciones iniciales también pueden afectar en gran medida los resultados de los pronósticos, ya que las variables crecen exponencialmente con el tiempo y es costoso modelar suficientes pronósticos para tener en cuenta las variables con tan mínimo detalle. Los científicos de Google estiman que se necesitarían 10.000 predicciones en el modelo para predecir un evento con sólo un 1% de probabilidad de ocurrir.

SEEDS genera modelos de pronóstico basados ​​en mediciones físicas recopiladas por agencias meteorológicas. En particular, examina la relación entre las unidades de energía potencial por masa del campo gravitatorio de la Tierra en la troposfera media y la presión al nivel del mar, dos predictores comúnmente utilizados.

Los métodos tradicionales sólo pueden producir una colección de aproximadamente de 10 a 50 predicciones. Pero mediante el uso de inteligencia artificial, la versión actual de SEEDS puede inferir hasta 31 conjuntos de pronósticos basándose en sólo uno o dos «pronósticos de siembra» utilizados como datos de entrada.

Los investigadores probaron el sistema modelando la ola de calor europea de 2022 utilizando datos meteorológicos históricos registrados en ese momento. Los representantes de Google dijeron en una publicación de blog en su portal de investigación que los datos de pronóstico conjunto ejecutados en los Estados Unidos apenas siete días antes de la ola de calor no indicaban que tal evento fuera inminente. Agregaron que los conjuntos con menos de 100 predicciones, que es más que las predicciones tradicionales, también se lo perderían.

Los científicos dicen que el coste computacional de realizar cálculos utilizando SEEDS es «insignificante» en comparación con los métodos actuales. En una arquitectura de muestra de Google Cloud, el sistema de inteligencia artificial tiene un rendimiento de 256 conjuntos por cada tres minutos de tiempo de procesamiento y se puede escalar fácilmente reclutando más aceleradores, dijo Google.

Artículo Recomendado:  ¿Cuánto tiempo puede conducir con una llanta de repuesto y qué tan rápido?

Publicaciones relacionadas

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba