Google sabrá qué tiempo va a hacer con fiabilidad extrema: así sabrá cómo, cuándo y dónde lloverá con precisión

Google sigue ofreciendo distintas alternativas para conocer el estado del tiempo como sucedió hace bien poco con la actualización a Google Maps. Ahora ha presentado un nuevo modelo de inteligencia artificial generativa dedicada principalmente al pronóstico del estado meteorológico.

El pronóstico del tiempo basado en modelos de inteligencia artificial altamente capacitados y en el uso de supercomputadoras conlleva un gasto excesivo y es donde entra en juego SEEDS (Scalable Ensemble Envelope Diffusion Sampler), el nuevo modelo de IA presentado por Google hace unos días.

SEEDS es capaz de dar los mismos resultados que los actuales sistemas de pronóstico que usasen una supercomputadora. Lo que reducirá el coste general y los recursos necesitados con el objetivo de ofrecer una fiabilidad extrema a la hora de pronosticar tormentas u otro tipo de eventos meteorológicos.

La llegada de SEEDS podría generar el pronóstico a una escala mayor, ya que daría a los expertos más datos para que pudieran trabajar con ellos, a la vez que incrementaría el potencial para una mayor cantidad de análisis. Lo que resultaría en una mejor representación del clima y el tiempo.

De hecho, las palabras de Google indican que los resultados de su nueva IA son similares al sistema usado actual en Estados Unidos para el pronóstico del tiempo, como sucedió con una demostración hecha de GraphCast, un modelo de aprendizaje máquina de DeepMind.

Imagen de un vídeo demostración de SEEDS de Google El Androide libre

El gigante tecnológico cree que los avances en la eficiencia de la IA generativa podrían permitir que las instituciones dedicadas a los reportes meteorológicos accediesen a la inversión en pronósticos avanzados del clima. Es decir, que si SEEDS es capaz de tomar unos cuantos modelos basados en la física y convertirlos en una multitud de distribuciones meterorológicas, el capital y recursos ahorrados al dejar de usar la predicción meteorológica numérica, permitiría la financiación de un mayor número de pronósticos publicados con mayor frecuencia.

Al ahorrar en recursos, según mantiene Google desde su blog, estos también se podrían utilizar para crear mejores modelos basados en la física con una mayor precisión en sus resultados. De momento, el modelo SEEDS entrará a formar parte de MetNet-3 y GraphCast al igual que otras nuevas tecnologías basadas en la meteorología de Google.