Un grupo de científicos sugiere que la IA podría utilizarse para realizar pronósticos meteorológicos precisos a 30 días

Un equipo de científicos atmosféricos de la Universidad de Washington ha descubierto evidencia de que los meteorólogos podrían predecir el futuro con hasta 30 días de anticipación. En su estudio, publicado en el servidor de preimpresión de arXiv, el grupo probó el sistema de modelado y predicción meteorológica GraphCast de Google, basado en IA, utilizando una técnica para mejorar las condiciones meteorológicas iniciales y aumentar su precisión.

Durante el último medio siglo, los meteorólogos han llegado a creer que un período de pronóstico de dos semanas es el límite máximo. Esto se debe al llamado efecto mariposa, en el que pequeños eventos, como el viento creado por las alas de una mariposa, pueden provocar efectos en cascada, resultando en mayores impactos.

El efecto mariposa es un experimento mental, pero se sabe que eventos aleatorios como incendios, erupciones volcánicas y actividad humana pueden causar cambios locales del tiempo. En este nuevo esfuerzo, investigadores de Washington han estado probando la posibilidad de usar tecnología de IA para ampliar la ventana de pronóstico.

Los investigadores realizaron pruebas con GraphCast, un modelo de predicción meteorológica con IA desarrollado por Google. Este modelo aprende mediante entrenamiento con 40 años de datos de pronósticos tradicionales e imágenes satelitales. Se preguntaron si mejorar la precisión de las condiciones iniciales utilizadas para generar un pronóstico podría mejorar la precisión general del modelo.

El equipo de investigación comparó los pronósticos del modelo con el estado atmosférico más reciente obtenido a partir de los datos utilizados para entrenarlo. Posteriormente, utilizaron los errores de predicción a corto plazo para ajustar las condiciones iniciales y los aplicaron a los datos de reanálisis utilizados para entrenar el modelo, lo que le proporcionó un punto de partida más preciso. Repitieron el mismo ejercicio más de 1000 veces, aumentando la precisión de las condiciones iniciales en cada ocasión.

Los investigadores reconocen que se necesita mucho más trabajo antes de que los modelos de IA puedan realizar predicciones precisas a largo plazo, incluida la prueba de su enfoque para ver qué tan bien funciona en el mundo real.

Referencia

P. Trent Vonich et al, Testing the Limit of Atmospheric Predictability with a Machine Learning Weather Model, arXiv (2025). DOI: 10.48550/arxiv.2504.20238