Un nuevo sistema creado en Cambridge supera a los superordenadores meteorológicos usando una fracción de sus datos y energía
La predicción del tiempo siempre ha dependido de modelos físicos complejos que simulan la atmósfera con potentes superordenadores. Estos modelos se basan en ecuaciones físicas resueltas paso a paso mediante lo que se conoce como “resolución numérica”. Últimamente, la inteligencia artificial (IA) ha comenzado a desempeñar un papel importante, permitiendo nuevas formas de abordar estos cálculos de forma más rápida y eficiente. Un modelo como Aardvark no solo sustituye una parte del sistema tradicional, sino toda la cadena de predicción meteorológica, revolucionando la forma en la que entendemos y anticipamos el comportamiento del clima.
El nuevo sistema de predicción meteorológica Aardvark, desarrollado por investigadores de la Universidad de Cambridge con el apoyo del Instituto Alan Turing, Microsoft Research y el Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF), promete transformar la meteorología como la conocemos. Según un artículo publicado en la revista Nature, este modelo de inteligencia artificial puede generar predicciones del tiempo con una precisión comparable —e incluso superior en algunos casos— a los métodos actuales, pero con una velocidad y eficiencia energética mucho mayores.
A diferencia de los sistemas tradicionales, que requieren superordenadores especializados y horas de procesamiento para producir predicciones, Aardvark funciona como un modelo de aprendizaje automático completamente autónomo que puede operar desde un ordenador de escritorio. El modelo recibe datos de satélites, estaciones meteorológicas y otros sensores, y a partir de ellos genera predicciones tanto a escala global como local en cuestión de minutos.
Lo realmente revolucionario de Aardvark es que reemplaza toda la cadena de procesamiento de los sistemas meteorológicos tradicionales, no solo una parte. Mientras que otras compañías como Huawei, Google o la propia Microsoft han desarrollado IA que sustituye componentes individuales —como el “solucionador numérico” que calcula cómo evoluciona el clima—, Aardvark integra todo el proceso en un único modelo. Esto implica no solo mejoras en velocidad y coste, sino también una enorme simplificación operativa.
Y lo mejor es que el modelo necesita apenas una décima parte de los datos que utilizan los sistemas convencionales para obtener resultados más precisos. Con esa fracción mínima de información, Aardvark ya supera al sistema de predicción estadounidense GFS en varias variables clave. Además, se mantiene competitivo incluso frente a los pronósticos elaborados por el Servicio Meteorológico de Estados Unidos, que se basan en decenas de modelos distintos y la intervención de expertos humanos.
La capacidad de Aardvark para adaptarse rápidamente a contextos específicos es otro de sus grandes puntos fuertes. Como aprende directamente de los datos, puede ajustarse con facilidad para generar predicciones personalizadas, como la temperatura en zonas agrícolas de África o la velocidad del viento en parques eólicos europeos. En contraste, los sistemas tradicionales requieren años de trabajo y equipos numerosos para desarrollar soluciones a medida.
Esta accesibilidad abre las puertas a una auténtica democratización de la predicción meteorológica. En países en vías de desarrollo, donde la falta de recursos y conocimientos técnicos limita el uso de modelos avanzados, Aardvark podría representar un punto de inflexión. Según el profesor Richard Turner, del Instituto Alan Turing y líder del proyecto, “Aardvark reinventa los métodos actuales de predicción del tiempo, con el potencial de hacerlos más rápidos, baratos, flexibles y precisos que nunca antes, ayudando tanto a países desarrollados como en desarrollo.”
Turner también señala que este avance no habría sido posible sin décadas de trabajo en modelado físico por parte de la comunidad científica, y agradece especialmente al ECMWF por su base de datos ERA5, fundamental para entrenar el modelo. Anna Allen, autora principal del estudio, añade que esto es solo el principio, y que el enfoque de aprendizaje de extremo a extremo de Aardvark puede extenderse a problemas aún más complejos como huracanes, incendios forestales o tornados, e incluso más allá del clima, hacia la predicción de calidad del aire, dinámica oceánica o comportamiento del hielo marino.
Desde el ECMWF, Matthew Chantry destaca la importancia de esta colaboración para el futuro de la meteorología, y subraya que combinar un enfoque modular con optimización de extremo a extremo permite aprovechar al máximo los datos disponibles. Chris Bishop, de Microsoft Research, lo considera un logro tanto técnico como colaborativo, y Scott Hosking, del Instituto Alan Turing, apunta que este avance supone “un cambio no solo en la velocidad, sino en el acceso”, permitiendo que la previsión meteorológica de última generación llegue a regiones sin superordenadores ni infraestructuras complejas.
Los próximos pasos para Aardvark incluyen la creación de un nuevo equipo dentro del Instituto Alan Turing liderado por Turner, que explorará su implementación en el sur global e integrará esta tecnología en el trabajo ambiental más amplio del instituto, enfocado en predicciones de alta precisión sobre el tiempo, los océanos y el hielo marino.
REFERENCIA
End-to-end data-driven weather prediction
Imagen: DALL-E
