Google presenta o seu novo modelo de predición meteorolóxica

Google DeepMind e Google Research deron un novo paso na aplicación da intelixencia artificial á meteoroloxía coa presentación de WeatherNext 2, un modelo de predición que promete ser oito veces máis rápido ca versión anterior e capaz de xerar estimacións con resolución de ata unha hora. A compañía destaca que esta evolución permite dispoñer de centos de escenarios posibles a partir dun único punto de partida, o que facilita a toma de decisións en contextos tan diversos como a planificación de cadeas de subministración, a xestión de rutas aéreas ou o propio desprazamento diario das persoas.
WeatherNext 2 incorpora unha arquitectura baseada nas chamadas Functional Generative Networks (FGN), un enfoque que introduce ruído de maneira controlada no modelo para manter as previsións coherentes e fisicamente realistas. Co adestramento centrado en variables individuais (temperatura nun lugar concreto, velocidade do vento a certa altitude ou humidade), o sistema é quen de inferir tamén o comportamento conxunto de fenómenos máis amplos, como ondas de calor rexionais ou o rendemento previsto dun parque eólico. Segundo Google, o modelo supera o WeatherNext orixinal no 99,9 % das variables e prazos de predición, desde poucas horas ata quince días.
A tecnoloxía sae agora dos laboratorios para chegar aos usuarios. Os datos de WeatherNext 2 están xa dispoñibles en Earth Engine e BigQuery, e Google abriu un programa de acceso temperán en Vertex AI para realizar inferencias personalizadas. Ademais, o modelo comezou a integrarse nas predicións meteorolóxicas de Search, Gemini, Pixel Weather e a API de Weather da Google Maps Platform, e chegará tamén ás funcións de clima de Google Maps nas vindeiras semanas.
Un dos avances máis relevantes é a capacidade de xerar centos de escenarios nun tempo moi reducido: cada predición leva menos dun minuto nunha única TPU, fronte ás horas de cálculo dos modelos tradicionais baseados en física que requiren supercomputadores. Isto permite ás axencias meteorolóxicas avaliar tamén os peores casos posibles cando toman decisións críticas, como xa se está a facer en probas experimentais de predición de ciclóns.
Google asegura que continuará investigando como mellorar estes modelos, integrando novas fontes de datos e ampliando o acceso ás ferramentas para a comunidade científica, desenvolvedores e empresas. O obxectivo é acelerar a investigación e poñer ao alcance da sociedade instrumentos que permitan afrontar con máis precisión os desafíos climáticos e operativos dos vindeiros anos.