Un estudio de U. de Chicago revela qué tan precisa es la IA al predecir eventos climáticos extremos

Investigadores de la Universidad de Chicago investigaron si los modelos de IA pueden manejar sorpresas climáticas extremas: eventos tan raros que nunca han ocurrido en los datos utilizados para entrenar los modelos.

Los investigadores descubrieron que la capacidad de la IA para predecir fenómenos climáticos extremos poco frecuentes tiene limitaciones críticas.

La inteligencia artificial está cambiando la forma en que pronosticamos el tiempo, prometiendo predicciones más rápidas y energéticamente eficientes. Pero ¿puede también capturar lo nunca visto? Un nuevo estudio se propuso encontrar la respuesta, probando el rendimiento de la IA cuando la atmósfera rompe las reglas.

Las predicciones de la IA son rápidas, pero no siempre precisas

Científicos de la Universidad de Chicago, en colaboración con NYU y UC Santa Cruz, probaron si los modelos de IA de vanguardia pueden predecir el tipo de eventos climáticos extremos que rara vez ocurren en los datos históricos.

Sus hallazgos, publicados en las Actas de la Academia Nacional de Ciencias, muestran que estos modelos presentan dificultades cuando se enfrentan a condiciones que escapan al alcance de los datos históricos.

Estos “cisnes grises" son eventos como inundaciones que ocurren una vez cada 2000 años o huracanes de récord, que plantean un serio desafío para la predicción porque se salen de los patrones para los que se entrenan típicamente los modelos de IA.

El estudio de la Universidad de Chicago muestra que los modelos de IA tienen dificultades para predecir huracanes de categoría 5 cuando faltan tormentas similares en los datos de entrenamiento.

El equipo entrenó un modelo de IA llamado FourCastNet con décadas de datos meteorológicos globales, excluyendo intencionalmente los huracanes de categorías 3 a 5. Al probarlo en condiciones reales que dieron lugar a una tormenta de categoría 5, el modelo subestimó repetidamente la intensidad de la tormenta, previendo a menudo solo la categoría 2.

El investigador principal, Pedram Hassanzadeh, explicó que si bien los modelos de IA pueden competir con las supercomputadoras en la predicción del clima cotidiano, no son capaces de hacer frente a situaciones sin precedentes.

Aprende del pasado, pero sólo si existe

Los modelos de IA reconocen patrones en datos históricos para predecir el futuro probable. Este enfoque funciona bien con el clima rutinario, pero presenta dificultades para realizar predicciones precisas cuando eventos inusuales o extremos, como los huracanes más potentes, no se incluyen en los datos de entrenamiento.

“Las inundaciones causadas por el huracán Harvey en 2017, por ejemplo, se consideraron un evento que ocurre una vez cada 2.000 años”, dijo Hassanzadeh.

Si eventos como Harvey no están presentes en el registro histórico, los sistemas de IA podrían no ser capaces de predecirlos.

Sorprendentemente, los investigadores descubrieron que el modelo podía realizar predicciones razonablemente precisas incluso cuando se producían eventos similares en otras partes del mundo. Por ejemplo, incluso al eliminar los datos de las tormentas del Atlántico, el modelo pudo predecir huracanes del Atlántico utilizando datos de tormentas del Pacífico.

Sin embargo, los investigadores advierten que esta solución alternativa no garantiza la precisión para extremos verdaderamente nuevos, especialmente porque el cambio climático conduce a condiciones climáticas cada vez más impredecibles.

Vinculando la IA y la física para obtener mejores pronósticos

Los modelos meteorológicos convencionales se basan en gran medida en la física y utilizan ecuaciones para simular el comportamiento de la atmósfera. Los modelos de IA como FourCastNet, en cambio, funcionan más como un texto predictivo: desconocen por qué sucede algo, solo su probabilidad, basándose en ejemplos pasados.

Para mejorar la fiabilidad de la IA, el equipo recomienda combinarla con el modelado físico. Un enfoque conocido como aprendizaje activo implica que la IA ayude a generar ejemplos sintéticos de condiciones climáticas extremas para entrenar futuros modelos. Esto podría ayudar a la IA a reconocer mejor patrones inusuales pero peligrosos.

¿La conclusión? La IA no reemplazará a la predicción tradicional en el futuro próximo, pero combinarla con la física podría ayudar a reducir la brecha y mejorar las alertas de fenómenos meteorológicos extremos.

Referencia de la noticia

Baker, E. “La Universidad de Chicago analiza la capacidad de la IA para predecir fenómenos meteorológicos sin precedentes” https://www.meteorologicaltechnologyinternational.com/news/numerical-weather-prediction/university-of-chicago-analyzes-ais-ability-to-predict-unprecedented-weather-events.html