Google DeepMind reveló su nuevo modelo meteorológico de IA, WeatherNext 2, el 17 de noviembre, lo que marca un salto significativo en el pronóstico global.
El sistema utiliza un método novedoso llamado Red Generativa Funcional (FGN) para crear predicciones ocho veces más rápido y con mayor detalle que su predecesor. El avance mejora los pronósticos para eventos complejos como huracanes al generar cientos de escenarios posibles en minutos.
Google ahora brinda acceso a los datos del modelo a través de sus plataformas en la nube. Esta medida tiene como objetivo acelerar la investigación y mejorar la seguridad pública a medida que la IA se vuelve más central para la ciencia meteorológica, incluso cuando las fuentes de datos públicos enfrentan incertidumbre.
Una nueva arquitectura para pronósticos más rápidos y precisos
En el corazón de WeatherNext 2 es una arquitectura novedosa detallada en investigación reciente. A diferencia de su predecesor GenCast, que utilizó un enfoque basado en difusión, WeatherNext 2 se basa en la llamada Red Generativa Funcional.
Este método FGN inyecta”ruido”cuidadosamente estructurado directamente en los parámetros del modelo. Permite que el sistema genere un gran conjunto de escenarios meteorológicos físicamente realistas y coherentes desde un único punto de partida.
Cada predicción tarda menos de un minuto en una sola TPU, una tarea que requeriría horas en una supercomputadora tradicional.
Esta eficiencia no se produce a costa de la precisión. Según las evaluaciones de Google, WeatherNext 2 supera al anterior modelo de última generación, GenCast, en el 99,9 % de todas las variables y tiempos de entrega previstos. El nuevo modelo demuestra una mejora promedio del 6,5 % en la precisión medida por la puntuación de probabilidad clasificada continua (CRPS), una métrica clave para los pronósticos probabilísticos.
También ofrece una resolución temporal más alta, con predicciones disponibles en intervalos de 6 horas y capacidades experimentales para intervalos de tiempo de 1 hora, lo que proporciona datos más granulares para los tomadores de decisiones, como se detalla en documentación oficial del modelo.
El enfoque FGN es particularmente eficaz para modelar tanto elementos meteorológicos individuales (“marginales”) como sus interacciones complejas (“uniones”). Al entrenar solo en puntos de datos individuales como la temperatura o la velocidad del viento, el modelo aprende la física subyacente para predecir sistemas a gran escala como ríos y ciclones atmosféricos.
Sin embargo, Google señala que el modelo tiene algunas limitaciones, incluido el potencial de artefactos visuales menores en forma de”panal”en los pronósticos para ciertas variables, como se describe en su caso de uso y limitaciones. descripción general.
[contenido incorporado]
Del laboratorio de investigación a plataformas públicas y agencias asociadas
A partir de sus avances anteriores, Google ha presentado una estrategia clara para trasladar su IA meteorológica de la investigación a la aplicación en el mundo real. Los investigadores y desarrolladores ahora pueden acceder a los datos de pronóstico de WeatherNext 2 a través de las plataformas Earth Engine y BigQuery de Google.
Además, un nuevo programa de acceso temprano en Vertex AI de Google Cloud permite a las organizaciones generar sus propios pronósticos personalizados utilizando el modelo.
Esta iniciativa continúa una tendencia más amplia de la creciente participación de las grandes tecnologías en la meteorología. Empresas como Microsoft, Nvidia e IBM han desarrollado sus propios sistemas avanzados de pronóstico, como Aardvark Weather de Microsoft y el modelo Prithvi WxC de NASA/IBM.
Como señaló Kirstine Dale, directora de IA de Met Office, sobre la tendencia general:”Vemos el potencial de un cambio radical real… en la forma de pronosticar, que es en cierto modo similar a cuando comenzamos a usar computadoras”.
La estrategia de Google también incluye la colaboración directa con gobiernos clave. agencias. En una asociación histórica, el Centro Nacional de Huracanes (NHC) de EE. UU. ha integrado un modelo experimental de IA de Google en su flujo de trabajo operativo para la temporada de huracanes de 2025.
Esta colaboración, la primera para la agencia federal, pondrá orientación generada por IA frente a pronosticadores humanos expertos, combinando la velocidad de las máquinas con la experiencia humana para mejorar las advertencias de tormentas potencialmente mortales.
La crisis que se avecina: la dependencia de la IA en el público en peligro Datos
Si bien los avances tecnológicos se aceleran, todo el campo enfrenta una amenaza fundamental. Los modelos meteorológicos de IA como WeatherNext 2 se basan en décadas de datos históricos, muchos de ellos de archivos públicos administrados por agencias como la Administración Nacional Oceánica y Atmosférica de EE. UU. (NOAA).
Estas fuentes de datos esenciales ahora están en riesgo debido a los recortes presupuestarios propuestos y la grave escasez de personal.
La situación se volvió tan crítica que cinco exdirectores del Servicio Meteorológico Nacional (NWS) de la NOAA emitieron una carta abierta advirtiendo sobre las posibles consecuencias.
“Nuestra peor pesadilla es que las oficinas de pronóstico del tiempo tengan tan poco personal que se produzcan pérdidas de vidas innecesarias”, escribieron. Desde principios de 2025, el NWS ha perdido más de 550 empleados, lo que ha dejado a algunas oficinas de pronóstico con una escasez crítica de personal justo cuando comienza la temporada de huracanes.
Un exjefe del NHC describió los esfuerzos para llenar vacantes como simplemente “revolver las sillas de cubierta en el Titanic”, y agregó: “Llenas un vacío en alguna parte y estás creando uno en otra parte”.
Esta crisis de datos no ha pasado desapercibida para la comunidad científica. Richard Turner, profesor de la Universidad de Cambridge, expresó su preocupación y afirmó:”La comunidad (sorprendentemente, en mi opinión) aún no se ha dado cuenta de este peligro… Creo que los recortes son muy peligrosos en un momento en el que el clima realmente está cambiando”.
Aunque las acciones recientes del Congreso han rechazado los recortes presupuestarios más severos, proporcionando cierto alivio, la estabilidad a largo plazo de estos archivos de datos públicos sigue siendo incierta.
La paradoja es cruda: a medida que la innovación privada en IA meteorológica alcanza nuevos niveles alturas, su éxito depende de una infraestructura de datos públicos que lucha por su supervivencia.
La nueva asociación entre Google y el NHC destaca el inmenso potencial de la IA para salvar vidas, pero también muestra la necesidad urgente de proteger los datos abiertos que hacen posible ese progreso, un tema central en la actual revolución meteorológica de la IA.
