Google DeepMind presenta WeatherNext 2, un modelo de IA para pronósticos meteorológicos globales precisos.

Google DeepMind , la división de IA de Google, ha presentado WeatherNext 2, su sistema más avanzado hasta la fecha para generar pronósticos meteorológicos globales con mayor precisión y resolución.

WeatherNext 2 puede generar pronósticos hasta ocho veces más rápido, con una resolución temporal de hasta una hora, gracias a un nuevo modelo capaz de generar cientos de escenarios potenciales. Este enfoque se ha utilizado para ayudar a las agencias meteorológicas en la toma de decisiones, incluyendo predicciones experimentales de ciclones.

El sistema ya está disponible para los usuarios, con datos de pronóstico disponibles a través de Google Earth Engine y BigQuery. Además, se ha lanzado un programa de acceso anticipado en la plataforma Vertex AI de Google Cloud para permitir la inferencia de modelos personalizados.

La integración de la tecnología WeatherNext ya ha mejorado los pronósticos meteorológicos en la Búsqueda de Google, Gemini, Pixel Weather y la API del tiempo de la plataforma de Google Maps, y en las próximas semanas también admitirá información meteorológica en Google Maps .

WeatherNext 2 introduce redes generativas funcionales impulsadas por IA para mejores pronósticos meteorológicos.

La predicción meteorológica precisa requiere abarcar todo el abanico de resultados posibles, incluidos los escenarios extremos, que son cruciales para la planificación. WeatherNext 2 es capaz de generar cientos de posibles escenarios meteorológicos a partir de una única condición inicial, y cada predicción tarda menos de un minuto en una sola TPU; una operación que requeriría horas con los modelos tradicionales de supercomputadoras basados ​​en la física.

El sistema ofrece pronósticos de alta resolución y gran precisión, con una exactitud de hasta una hora, superando al modelo WeatherNext anterior en el 99.9 % de las variables, incluyendo temperatura, viento y humedad, con plazos de anticipación de 0 a 15 días. Esto permite realizar predicciones más precisas y útiles.

El rendimiento mejorado se logra mediante un nuevo Modelado de IA Se trata de un enfoque conocido como Red Generativa Funcional (FGN), que introduce un "ruido" controlado directamente en la arquitectura del modelo, garantizando que las predicciones sigan siendo físicamente realistas e internamente coherentes.

Esta metodología resulta especialmente eficaz para predecir tanto variables marginales —elementos meteorológicos individuales como la temperatura en un lugar determinado, la velocidad del viento a cierta altitud o la humedad— como sistemas conjuntos, que son sistemas complejos e interconectados que dependen de las relaciones entre estos elementos individuales. Aunque el modelo se entrena únicamente con variables marginales, puede inferir con precisión los sistemas conjuntos, lo que le permite pronosticar patrones a gran escala, como regiones que experimentan calor extremo o la producción de energía prevista de un parque eólico completo.

Con WeatherNext 2, la investigación avanzada se aplica a la predicción meteorológica práctica y de alto impacto. Se sigue trabajando para perfeccionar y mejorar la tecnología, a la vez que se ponen las herramientas más recientes al alcance de la comunidad global.

El trabajo futuro incluye explorar fuentes de datos adicionales y ampliar su disponibilidad para llegar a más usuarios. Al proporcionar herramientas robustas y datos abiertos, la iniciativa busca apoyar el descubrimiento científico y permitir que investigadores, desarrolladores y organizaciones de todo el mundo tomen decisiones informadas sobre desafíos complejos e impulsen la innovación para el futuro.