Los servicios meteorológicos europeos reúnen recursos para intensificar el uso de la IA en la predicción meteorológica
Durante las dos últimas sesiones del Consejo del ECMWF, en junio y diciembre de 2023, los Estados miembros del ECMWF aprobaron dos iniciativas importantes destinadas a intensificar el desarrollo, las pruebas y la implementación del aprendizaje automático en sus cadenas de pronóstico meteorológico
Según informa el ECMWF, Centro Europeo para la Predicción a Medio Plazo, el proyecto aprobado en junio busca específicamente aumentar los recursos dentro del ECMWF para ampliar el alcance de su trabajo sobre aprendizaje automático (ML, Machine Learning), desde intensificar el trabajo en curso en un modelo híbrido que combina metodologías convencionales y de ML, hasta desarrollar un sistema de pronóstico totalmente basado en datos.
Hacia modelos híbridos: combinando las metodologías convencionales y las de ML
El proyecto aprobado en diciembre adopta un enfoque en el que los Estados miembros del Centro unirán fuerzas para abordar aspectos del ML aplicado a la predicción meteorológica en los que ellos mismos tienen mayor experiencia. Los dos proyectos complementarios, que se ejecutan en paralelo y en plena colaboración, reconocen el potencial del aprendizaje automático en la predicción meteorológica y se basan en actividades sustanciales en este campo tanto en el ECMWF como dentro de los servicios meteorológicos europeos.
Sólo unos meses después de la aprobación de su propuesta en junio, el ECMWF lanzó su nuevo modelo basado en datos, el AIFS. Si bien AIFS ya muestra resultados prometedores, utiliza tecnologías de aprendizaje automático solo en una parte del proceso de pronóstico, y aún se requiere mucho trabajo para desarrollar una cadena de pronóstico completa utilizando únicamente aprendizaje automático. Este trabajo, además de aprovechar lo que ya se ha logrado, será parte del proyecto de cuatro años del ECMWF y del proyecto distribuido de los Estados miembros.
Noruega y Suiza han asumido el liderazgo conjunto de este último proyecto y coordinarán su desarrollo. Roar Skålin, director general de Met Noruega, y Christof Appenzeller, director de MeteoSwiss, dijeron en una declaración conjunta:
"Si bien muchos Estados miembros del ECMWF ya participan en el aprendizaje automático dentro de sus propios servicios meteorológicos, es importante que continuemos e incluso intensifiquemos el enfoque colaborativo. Esto será clave para el liderazgo de Europa en la predicción del tiempo. El aprendizaje automático tiene un enorme potencial para mejorar nuestros pronósticos y servicios y nos permitirá proteger mejor a todos los ciudadanos del impacto del clima severo. A partir de los resultados recientes y muy prometedores que estamos viendo ahora de nuestros propios experimentos y del AIFS del ECMWF a escala global, está claro que se trata de un dirección en la que debemos invertir con fuerza".
Más información próximamente en el blog de AIFS.
El proyecto Destination Earth
La implicación de Europa en la aplicación del aprendizaje automático a la predicción meteorológica y climática no termina ahí. La iniciativa Destination Earth de la Unión Europea acaba de recibir una financiación adicional sustancial para intensificar específicamente el uso del aprendizaje automático hacia el desarrollo de un modelo del sistema terrestre basado en ML que apoyará la cuantificación de las incertidumbres de los gemelos digitales del sistema terrestre y mejorará sus capacidades de interactividad.
En nombre del consorcio que lidera el desarrollo del gemelo digital Weather-Induced Extremes, Marc Pontaud, director de investigación de Météo-France, afirmó:
"No se puede subestimar la importancia de los gemelos digitales y el impacto positivo que pueden aportar a la sociedad. La financiación adicional para centrarse en la inteligencia artificial nos ofrece mejoras revolucionarias en nuestros sistemas de alerta y asesoramiento y fortalecerá la capacidad de los servicios meteorológicos europeos para pronosticar eventos meteorológicos extremos de una nueva manera eficiente y beneficiar a los sectores de impacto."
Si bien los resultados de AIFS y los de otros alrededor del mundo son impresionantes, es importante enfatizar que se requiere mucho más trabajo para optimizar nuestro uso del ML. En los próximos meses y años veremos un impulso para centrarse en todas las partes de la cadena de pronóstico, así como para agregar la dimensión probabilística que los pronosticadores necesitan para evaluar todos los posibles escenarios meteorológicos futuros, así como su probabilidad. Aún queda mucho trabajo por hacer antes de que los modelos de aprendizaje automático puedan complementar de forma segura y precisa los modelos convencionales, y sin duda será un desafío hacerlo bien. Pero éste es un desafío que Europa ha decidido asumir y liderar.