Aspectos importantes a considerar
- Google ha presentado un nuevo modelo de inteligencia artificial llamado Scalable Ensemble Envolvente Diffusion Sampler (SEEDS) para mejorar el pronóstico del tiempo.
- El pronóstico del tiempo puede resultar costoso, especialmente con el uso de supercomputadoras y modelos de inteligencia artificial avanzados, por lo que SEEDS aparece como una solución prometedora.
- Los modelos de inteligencia artificial de pronóstico del tiempo de Google son actualmente tan precisos como otros métodos, pero más eficientes y rentables.
A pesar de contar con información meteorológica detallada al alcance de la mano a través de nuestros teléfonos inteligentes, el clima sigue siendo impredecible. Los pronósticos meteorológicos nunca serán totalmente precisos, pero podrían mejorar gracias a la tecnología emergente. El uso de sofisticados modelos de inteligencia artificial y supercomputadoras parece una solución obvia, aunque costosa. Sin embargo, Google pretende aumentar la eficiencia del pronóstico del tiempo a mediano plazo mediante inteligencia artificial generativa.
Recientemente, Google ha publicado un informe y una entrada de blog en SEEDS, un modelo de IA que significa Scalable Ensemble Sobre Diffusion Sampler. La empresa plantea preocupaciones sobre los métodos actuales de predicción del tiempo, como la simulación basada en la física, que resulta extremadamente costosa a gran escala.
En contraste, Google afirma que SEEDS puede "generar conjuntos de pronósticos meteorológicos de manera eficiente a escala y a una fracción del costo de los modelos tradicionales basados en la física".
Presentamos SEEDS, nuestra última tecnología de IA generativa para mejorar el pronóstico del tiempo a mediano plazo. Ahora podemos generar pronósticos conjuntos de manera más eficiente, lo que nos ayuda a predecir eventos climáticos raros y extremos con mayor precisión. 🌩️ #WeatherForecasting Obtén más información en https://t.co/wcVXjpS1dx pic.twitter.com/iLOEWVZelS29 de marzo de 2024
Actualmente, los modelos de IA no son más precisos que otros métodos de pronóstico del tiempo, pero sí son comparables. En el futuro, modelos como SEEDS podrían superar a los basados en física en términos de precisión. Sin embargo, lo más realista sería combinar modelos basados en física y modelos de IA generativa para lograr un equilibrio entre precisión, eficiencia y escalabilidad.
"SEEDS aprovecha la IA generativa para producir pronósticos conjuntos comparables a los del sistema de pronóstico operativo de EE. UU., pero a un ritmo acelerado", destaca Google. "Los resultados presentados en este documento solo requieren 2 pronósticos iniciales del sistema operativo, que generan 31 pronósticos en su versión actual".
Google considera que la mayor eficiencia de la IA generativa podría permitir a los organismos meteorológicos invertir en pronósticos de diferentes formas. Si un modelo como SEEDS pudiera convertir algunos modelos basados en física en múltiples distribuciones climáticas, el ahorro de dinero y recursos al emplear menos simulaciones tradicionales podría financiar una mayor cantidad de pronósticos con una frecuencia más alta. Alternativamente, Google sugiere que los recursos adicionales podrían destinarse a desarrollar modelos más detallados basados en la física.
El modelo SEEDS se suma a MetNet-3 y GraphCast como las últimas tecnologías relacionadas con el clima desarrolladas por Google. Independientemente de si SEEDS llega a impulsar un producto de consumo, es interesante ver aplicaciones de IA más allá de los chatbots y los generadores de imágenes.