El impacto del huracán Melissa en Jamaica
En octubre de 2025, una tormenta se formó sobre el mar Caribe, generando incertidumbre en los modelos meteorológicos acerca de su trayectoria. Las proyecciones variaban entre mantenerla como un sistema débil que podría tocar tierra en Haití o intensificarse y dirigirse hacia Jamaica. El modelo de inteligencia artificial WeatherNext, desarrollado por DeepMind y Google Research, se inclinó hacia la segunda opción. Con cinco días de anticipación, predijo con un 80% de certeza que este sistema se convertiría en un huracán de categoría 5 y afectaría a Jamaica.
El huracán Melissa resultó devastador, provocando inundaciones y deslizamientos de tierra en la isla. Sin embargo, la implementación del modelo de IA permitió a los meteorólogos emitir alertas con mayor antelación, mejorando la preparación de las comunidades en su trayectoria.
Avances en la predicción meteorológica con inteligencia artificial
Un reciente estudio publicado en la revista Nature destaca que WeatherNext ha logrado mejorar significativamente la predicción de ciclones, brindando a los meteorólogos un día adicional de anticipación en comparación con los modelos existentes. Esto significa que sus pronósticos a tres días son tan precisos como los que anteriormente se obtenían en solo dos días. Este día extra puede marcar una diferencia crucial en la respuesta ante desastres.
Mike Brennan, director del Centro Nacional de Huracanes de EE. UU. (NOAA), enfatiza la importancia del tiempo en la toma de decisiones durante emergencias. La organización de evacuaciones y la movilización de recursos son procesos que deben realizarse con rapidez, y una mala decisión podría tener consecuencias fatales. «La capacidad de mejorar la precisión de los pronósticos es realmente valiosa», añade Brennan.
Desafíos en la modelación de ciclones extremos
Los investigadores señalaron que alcanzar este avance en las previsiones requirió una década de trabajo. La modelación de fenómenos extremos es un desafío para la inteligencia artificial, ya que el aprendizaje automático necesita grandes volúmenes de datos para realizar proyecciones precisas, mientras que los eventos extremos son, por naturaleza, poco frecuentes. Ferran Alet, científico de Google DeepMind y coautor del estudio, explica que su enfoque consistió en entrenar un modelo que pudiera predecir tanto el tiempo como los ciclones.
Kate Musgrave, jefa del grupo de ciclones tropicales del Instituto Cooperativo de Investigación en la Atmósfera, destaca que los huracanes son especialmente difíciles de predecir debido a que operan en múltiples escalas espaciales. La predicción de la trayectoria de una tormenta requiere datos a escala global, mientras que determinar su intensidad necesita información específica sobre las condiciones locales.
La precisión y la versatilidad del modelo WeatherNext
A pesar de los retos, WeatherNext ha logrado ofrecer predicciones más precisas sobre la intensidad de las tormentas. Esto resulta crucial, ya que incluso un pequeño cambio en la intensidad puede transformar un huracán leve en uno de gran magnitud en cuestión de horas. En el caso de Melissa, el NOAA logró predecir su categoría 5 cuando la tormenta se encontraba aún en la fase de categoría 1.
Antes de su uso en previsiones en tiempo real, WeatherNext fue sometido a pruebas con datos históricos. Musgrave menciona que los resultados fueron tan prometedores que inicialmente existía escepticismo sobre su rendimiento en condiciones reales. Sin embargo, al implementarse en las operaciones, el modelo demostró su eficacia, sorprendiendo a los meteorólogos con su desempeño.
La «caja negra» de la inteligencia artificial
A pesar de los avances, los propios investigadores de DeepMind aún no comprenden completamente cómo WeatherNext genera predicciones tan precisas. El modelo utiliza datos atmosféricos de resolución inferior a la que requieren los modelos tradicionales para anticipar la intensidad de las tormentas. «Esto sugiere que la información de menor resolución puede capturar aspectos que antes no se comprendían», comenta Alet.
El modelo no solo produce una única predicción, sino que genera múltiples escenarios para cada tormenta, permitiendo a los meteorólogos considerar diversos resultados posibles. El año pasado, WeatherNext generaba 50 escenarios por tormenta; ahora, es capaz de crear 1000. Musgrave destaca que este enfoque es algo que no se puede lograr con los modelos numéricos convencionales.
La importancia del contexto humano en las predicciones
A pesar de la precisión del modelo, Brennan subraya la relevancia del juicio humano en la interpretación de los datos. «Un huracán no es solo una trayectoria o una predicción de intensidad. Se requiere la experiencia de profesionales para determinar los impactos que podrían derivarse de las predicciones», afirma.
Además, Google DeepMind planea liberar el código fuente de WeatherNext para que otros investigadores puedan utilizarlo y perfeccionarlo. Alet se muestra optimista sobre el potencial que esta iniciativa tiene para ampliar el conocimiento sobre los ciclones y su comportamiento, añadiendo que la inteligencia artificial está brindando herramientas innovadoras para explorar las leyes que rigen el universo.
Más historias
NASA Anuncia la Cancelación de la Misión de Rescate y el Sacrificio del Telescopio Swift
América Latina enfrenta desafíos en la COP17: sequías, El Niño y la urgencia de cultivar en suelos degradados
El colapso del modelo inmobiliario en México: cómo duplicó la mancha urbana sin transporte ni servicios básicos