La IA está cambiando mi trabajo como meteorólogo: los huracanes Helene y Milton demostraron que no hay vuelta atrás

He estado estudiando, pronosticando y escribiendo sobre huracanes durante más de dos décadas, desde los tiempos en que dibujábamos mapas meteorológicos a mano (sí, de verdad, es una cosa). Helene y Milton fueron los primeros dos huracanes en los que confié mucho en los pronósticos meteorológicos generados por IA. Siento que fue un punto de inflexión.

En nuestra era de emergencia climática en aumento, el calentamiento de la atmósfera está contribuyendo a que el clima sea más extremo y peligroso, poniendo a más personas en peligro cada año. Tener predicciones más confiables sobre qué huracanes se entrarán en modo bestia y cuáles se disiparán de forma segura, da a las personas más tiempo para prepararse.

Durante Helene y Milton, la herramienta de IA que utilicé más –AI RI– fue desarrollada por investigadores de la Universidad de Wisconsin. Proporciona actualizaciones horarias sobre las probabilidades de que un huracán en formación pase por una intensificación rápida. En un momento, AI RI daba casi un 100% de probabilidad de que Milton se intensificara de categoría 1 a categoría 5 en las próximas 24 horas. Y, por supuesto, esa predicción resultó ser correcta. Ningún huracán en el Atlántico en nuestros 175 años de registro se había intensificado más rápido que Milton.

Resultados inimaginables unos años atrás

Una predicción tan precisa habría sido impensable hace apenas cinco años utilizando modelos meteorológicos tradicionales. Hace solo un siglo, era casi imposible anticipar de manera confiable condiciones climáticas adversas en cualquier escala temporal. Para dar una idea de la escala del progreso, un pronóstico meteorológico a cuatro días hoy es tan preciso como lo era uno de un día en 1995. Y la IA promete extender esos avances días, semanas y meses hacia el futuro, y a escalas geográficas cada vez más detalladas, incluso a nivel de microclima y vecindario.

Incluso ajustando por inflación, los desastres naturales ahora cuestan unas cinco veces más que en la década de 1980. Las fluctuaciones diarias del clima pueden representar entre el 3% y el 6% del PIB anual, y solo las inundaciones por lluvias extremas, como las de Helene, ahora cuestan un promedio del 1% del PIB de Estados Unidos cada año. En 25 años, los efectos totales del cambio climático están en camino de costar billones anualmente. Mejores pronósticos meteorológicos no pueden llegar lo suficientemente rápido para que podamos prepararnos para lo que viene.

Si has estado desconectado en los últimos años, el servicio meteorológico ha avanzado mucho; casi hemos realizado la visión de Doc Brown en Volver al futuro.

La mente detrás de AI RI

Para aprender más, hablé brevemente con la creadora de AI RI, Sarah Griffin, una experta en huracanes y satélites en la Universidad de Wisconsin. Me sorprendió un poco que las ejecuciones rutinarias de su modelo de intensificación rápida requieran casi nada de potencia de cómputo. “No necesita nada sofisticado”, dijo Griffin. “No se necesita una GPU y normalmente se ejecuta en menos de un minuto”.

Antes del rápido surgimiento de herramientas de IA, nuestro mejor modelo computacional de huracanes fue desarrollado a un costo de 150 millones de dólares y tenía que ser ejecutado en una de las computadoras más rápidas del mundo. El hecho de que AI RI pudiera, en teoría, ejecutarse en unos pocos minutos en una computadora portátil es como magia.

Durante años, el Servicio Meteorológico Nacional y su organización matriz, NOAA, han estado invirtiendo en inteligencia artificial y aprendizaje automático para ayudar a sus científicos a filtrar las enormes cantidades de datos ambientales que recolectan cada día. Esas inversiones ya están dando grandes resultados, especialmente en cuanto a hacer que la tecnología de pronóstico meteorológico sea más útil para comunidades desatendidas y personas en primera línea de la emergencia climática.

Poder de computo

Desde su invención hace aproximadamente 50 años, los modelos meteorológicos asistidos por computadora casi siempre se han ejecutado en las computadoras más grandes que los científicos pueden permitirse. Esto se debe a que se deben realizar cientos de cálculos matemáticos y físicos una y otra vez para seguir todos los caminos posibles en el tiempo para cada fragmento de la atmósfera del que hay datos, tan a menudo como se puedan recolectar esos datos. Es un ciclo interminable de decisiones difíciles sobre cómo enfocar la escasa potencia de cómputo de manera más eficiente, una lucha interminable contra las fuerzas de la naturaleza.

Eso significa que los pronósticos meteorológicos siempre han sido costosos, y la inequidad es evidente: los gobiernos de los países más ricos, como Estados Unidos y los de Europa, gastan un promedio de aproximadamente 25 dólares por ciudadano en sus pronósticos meteorológicos. Los países más pobres gastan menos de 1 dólar al año por ciudadano, lo que resulta en pronósticos menos precisos para personas que tienen más probabilidades de estar involucradas en actividades sensibles al clima, como la agricultura o la pesca.

Una de las mejores partes de la IA es su potencial para emparejar ese campo de juego.

Una mejor fuerza cazadora de huracanes

Para aprender más sobre eso, hablé con Michael Fischer, un investigador de huracanes y profesor de meteorología en la Universidad de Miami. Miami es el corazón del mundo de los pronósticos de huracanes. Es donde están ubicados los pronosticadores oficiales de huracanes del Centro Nacional de Huracanes, y también es el hogar de los Cazadores de Huracanes, una división de la Reserva de la Fuerza Aérea de Estados Unidos que durante décadas ha volado aviones a través de huracanes para medir su ubicación, movimiento y fuerza.

El trabajo de Fischer se centra en mejorar los pronósticos de huracanes, particularmente la utilidad de los radares meteorológicos aerotransportados en los aviones Cazadores de Huracanes.

“Creo que la IA abre muchas puertas que no son posibles, al menos con la capacidad computacional actual, porque estos modelos pueden ejecutarse tan rápidamente”, dijo Fischer. “Nos permite hacer cosas como crear pronósticos de alta resolución para regiones localizadas, y ojalá eso pueda ayudar a salvar vidas con cosas como olas de calor, clima extremo y lluvias intensas”.

Soy lo suficientemente viejo como para recordar cuando estaba en la universidad en el año 2000, cuando los primeros modelos meteorológicos computarizados comenzaron a superar de manera confiable la habilidad de los pronosticadores humanos. Aun así, mis profesores no confiaban en ellos, y en su lugar nos enseñaron páginas de “reglas prácticas” y trucos “de cálculo rápido” para hacer estimaciones basadas en el reconocimiento de patrones de los mapas meteorológicos. Pero algo que dijeron sobre la construcción de un modelo computacional meteorológico digno realmente me ha marcado: “Basura que entra, basura que sale.”

Es decir, tu pronóstico computarizado es tan bueno como los datos con los que comienzas.

Mejores datos para mejores predicciones

Y ese es el objetivo del proyecto de mejora de pronósticos de huracanes de Fischer, utilizar aprendizaje automático para controlar la calidad de los datos que llegan de los Cazadores de Huracanes mientras están en vuelo. Fischer dice que a un meteorólogo capacitado le toma aproximadamente dos semanas filtrar manualmente el ruido del radar del avión. Su modelo de IA puede hacerlo en minutos, mientras el avión aún está en el aire, para que esos datos puedan ser alimentados en tiempo real a los modelos meteorológicos para hacer un pronóstico.

Por supuesto, el Servicio Meteorológico Nacional no es el único que está invirtiendo en mejorar los modelos meteorológicos con IA. Todos los grandes nombres de la IA también lo están haciendo. Google tiene GraphCast; Nvidia tiene FourCastNet. Startups como precip.ai y atmo.ai prometen a sus clientes análisis meteorológicos hiperlocales e hiperprecisos para todo tipo de usos. Google incluso está haciendo que su último modelo meteorológico mejorado por IA sea de código abierto.

Buenos resultados hasta ahora

La predicción meteorológica puede ser un raro punto brillante de la IA, especialmente con la creciente necesidad debido al aumento de los riesgos climáticos. El Servicio Meteorológico Nacional de EU incluso está utilizando IA en un nuevo servicio de traducción de boletines meteorológicos para hacer que los pronósticos sean accesibles más allá del inglés.

Fischer tiene algunos temores que son familiares, particularmente sobre el sesgo que su equipo podría estar introduciendo mientras entrenan a la IA. Pero, por ahora, cree que los beneficios valen la pena.

La participación de las grandes empresas tecnológicas le da a Fischer esperanza de que este espíritu de cooperación frente a la emergencia climática pueda continuar.

“Si nuestro principal objetivo es tratar de ayudar a salvar vidas y proteger propiedades, creo que trabajar juntos como comunidad científica es la mejor manera de hacerlo”, dice Fischer. “Podemos construir sobre los avances de los demás para abordar este problema tan desafiante juntos. Creo que esa es la mejor manera de avanzar, y eso es lo que realmente es emocionante”.