Los modelos numéricos del tiempo basados ​​en la física superan a las predicciones de la IA en los fenómenos extremos

Los modelos basados en inteligencia artificial (IA) están revolucionando la predicción meteorológica y han superado a los principales sistemas numéricos de predicción meteorológica en diversas tareas de referencia.

Sin embargo, su capacidad para extrapolar y predecir con fiabilidad eventos extremos sin precedentes sigue siendo incierta. En un reciente trabajo, se demuestra que, para eventos meteorológicos extremos sin precedentes, el modelo numérico basado en la física High RESolution forecast (HRES) del Centro Europeo de Predicción Meteorológica a Medio Plazo, ECMWF, sigue superando sistemáticamente a los modelos de IA de última generación GraphCast, GraphCast operational, Pangu-Weather, Pangu-Weather operational y Fuxi.

Modelos IA vs. modelos físicos: verificaciones de extremos

Los modelos de IA estudiados aquí no utilizan ningún conocimiento de principios físicos ni imponen explícitamente balances energéticos u otras restricciones físicas. Están puramente basados en datos y esencialmente interpolan entre patrones meteorológicos históricos observados en el período de entrenamiento 1979-2017 para producir pronósticos para nuevas condiciones iniciales en el período de prueba.

Esto contrasta marcadamente con los modelos numéricos basados en la física, como HRES, que dependen en gran medida de ecuaciones diferenciales parciales que describen la evolución de la atmósfera según nuestra comprensión de la física. Esta diferencia fundamental en la filosofía de modelado probablemente explica la discrepancia en el rendimiento entre los modelos de IA y los modelos de predicción numérica del tiempo basados en la física para eventos récord.

Los autores del estudio demuestran que los errores de predicción en los modelos de IA son sistemáticamente mayores para el calor, el frío y el viento récord que en HRES en casi todos los plazos de predicción. Además, los modelos de IA examinados tienden a subestimar tanto la frecuencia como la intensidad de los eventos récord, y subestiman los récords de calor y sobreestiman los récords de frío, con errores crecientes a medida que aumenta la superación de récords.

Los hallazgos ponen de manifiesto las limitaciones actuales de los modelos meteorológicos de IA para extrapolar más allá de su dominio de entrenamiento y para pronosticar los eventos meteorológicos extremos potencialmente más impactantes, especialmente frecuentes en un clima que se calienta rápidamente. Se requiere una verificación más rigurosa y un mayor desarrollo de los modelos antes de que estos puedan utilizarse exclusivamente en aplicaciones críticas como los sistemas de alerta temprana y la gestión de desastres.

Modelos que se complementan

Dada la extraordinaria evolución de los modelos de IA en los últimos años, existen vías prometedoras para mejorarlos aún más, incluso para pronosticar fenómenos extremos sin precedentes que seguirán ocurriendo con frecuencia en un clima que se calienta rápidamente. Sin embargo, la generación actual aún presenta un rendimiento inferior al de HRES precisamente durante los eventos meteorológicos potencialmente más impactantes, incluyendo olas de calor y frío récord, así como tormentas de viento. Por lo tanto, sigue siendo fundamental financiar y ejecutar en paralelo modelos de predicción numérica del tiempo (NWP) basados en la física y modelos meteorológicos de IA, y evaluar rigurosamente su rendimiento para los tipos de eventos meteorológicos más impactantes.

Referencia

Zhongwei Zhang et al. ,Physics-based models outperform AI weather forecasts of record-breaking extremes.Sci. Adv.12,eaec1433(2026).DOI:10.1126/sciadv.aec1433