Google ha creado un pronosticador meteorológico de IA que podría brindar a los meteorólogos más herramientas con las que trabajar. El nuevo modelo, GraphCast, fue creado por Google DeepMind. Según nuevos estudios sobre el modelo, ya muestra algunas posibilidades esenciales. Los creadores detrás del modelo afirman que es mejor, más rápido y más eficiente energéticamente que las herramientas que impulsan las aplicaciones meteorológicas actuales.
Anuncios
La mayoría de las aplicaciones actuales se basan en un modelo de pronóstico conocido como “previsión meteorológica numérica” o NWP. Básicamente, el PNT funciona conectando las condiciones climáticas actuales y luego simulando cambios basados en los principios de la termodinámica, la dinámica de fluidos y otros tipos de ciencia atmosférica.
Si bien ha demostrado ser al menos algo preciso, este modelo en particular es caro y requiere mucha potencia informática complicada. Pero con el sistema GraphCast de Google, el modelo descompone los datos tradicionales analizando datos históricos y luego utilizando el aprendizaje automático para hacer predicciones basadas en lo que sucedió en el pasado.
Anuncios
Todavía hay mucho trabajo informático y científico sofisticado involucrado, pero en general, el proceso es mucho más simple y requiere menos cálculos. Como explica el estudio, GraphCast primero analiza el estado actual del clima de la Tierra y luego lo compara con el clima de hace seis horas. Luego basa sus predicciones en cómo cambiará el clima en el futuro.
En definitiva, puede seguir creando predicciones a lo largo de los días. En comparación con el modelo principal actual utilizado para pronósticos meteorológicos de mediano plazo, un modelo conocido como HRES, Google GraphCast pudo superar "significativamente" a HRES en el 90% de los objetivos en los que se probó.
Además, GraphCast también ha demostrado una inmensa aptitud para predecir fenómenos meteorológicos extremos, incluidos cambios inesperados de temperatura y ciclones tropicales. Pero Google dice que no quiere que GraphCast reemplace los sistemas tradicionales o estándar en los que trabajan los meteorólogos. En cambio, su objetivo es trabajar junto con estos sistemas para proporcionar mejores pronósticos del tiempo en su conjunto.
—————-
Google ha creado un pronosticador meteorológico de IA que podría brindar a los meteorólogos más herramientas con las que trabajar. El nuevo modelo, GraphCast, fue creado por Google DeepMind. Según nuevos estudios sobre el modelo, ya muestra algunas posibilidades esenciales. Los creadores detrás del modelo afirman que es mejor, más rápido y más eficiente energéticamente que las herramientas que impulsan las aplicaciones meteorológicas actuales.
La mayoría de las aplicaciones actuales se basan en un modelo de pronóstico conocido como “previsión meteorológica numérica” o NWP. Básicamente, el PNT funciona conectando las condiciones climáticas actuales y luego simulando cambios basados en los principios de la termodinámica, la dinámica de fluidos y otros tipos de ciencia atmosférica.
Si bien ha demostrado ser al menos algo preciso, este modelo en particular es caro y requiere mucha potencia informática complicada. Pero con el sistema GraphCast de Google, el modelo descompone los datos tradicionales analizando datos históricos y luego utilizando el aprendizaje automático para hacer predicciones basadas en lo que sucedió en el pasado.
Todavía hay mucho trabajo informático y científico sofisticado involucrado, pero en general, el proceso es mucho más simple y requiere menos cálculos. Como explica el estudio, GraphCast primero analiza el estado actual del clima de la Tierra y luego lo compara con el clima de hace seis horas. Luego basa sus predicciones en cómo cambiará el clima en el futuro.
En definitiva, puede seguir creando predicciones a lo largo de los días. En comparación con el modelo principal actual utilizado para pronósticos meteorológicos de mediano plazo, un modelo conocido como HRES, Google GraphCast pudo superar "significativamente" a HRES en el 90% de los objetivos en los que se probó.
Además, GraphCast también ha demostrado una inmensa aptitud para predecir fenómenos meteorológicos extremos, incluidos cambios inesperados de temperatura y ciclones tropicales. Pero Google dice que no quiere que GraphCast reemplace los sistemas tradicionales o estándar en los que trabajan los meteorólogos. En cambio, su objetivo es trabajar junto con estos sistemas para proporcionar mejores pronósticos del tiempo en su conjunto.
