WeatherNext: IA de DeepMind revoluciona el pronóstico de ciclones
WeatherNext permite realizar pronósticos precisos de ciclones que pueden brindar un día adicional de advertencia. Ahora, estamos liberando el modelo como open source.
Predecir cómo se desarrollan los peligrosos ciclones es un desafío de larga data donde cada hora cuenta. Los ciclones tropicales, también conocidos como huracanes o tifones, se encuentran entre los fenómenos meteorológicos más destructivos de la Tierra, responsables de más de 700,000 muertes y $1.4 billones de dólares en pérdidas económicas a nivel mundial durante los últimos 50 años. Para los meteorólogos, emitir advertencias precisas y oportunas es una carrera constante contra el tiempo.
Hoy, en un artículo publicado en Nature, demostramos que nuestro modelo de IA WeatherNext logró una precisión de vanguardia al predecir la trayectoria, intensidad y estructura del viento de un ciclón. En promedio, nuestro modelo otorga a los meteorólogos un día adicional de precisión predictiva: nuestros pronósticos a tres días son tan buenos como los que los modelos anteriores podían proporcionar solo para los próximos dos días. Esta escala de mejora corresponde aproximadamente a una década de progreso meteorológico.
Este trabajo colaborativo reunió a investigadores y especialistas en IA de Google DeepMind y Google Research, junto con expertos meteorólogos del National Hurricane Center (NHC), el Cooperative Institute for Research in the Atmosphere (CIRA), la UK Met Office y agencias meteorológicas de todo el mundo.
Nuestra investigación ya ha tenido un impacto en el mundo real. Durante la temporada de huracanes de 2025, nuestro modelo ayudó al NHC a realizar un pronóstico histórico para el huracán Melissa al predecir la rápida intensificación de la tormenta y su llegada a tierra en Jamaica. Esto permitió al NHC emitir una advertencia anticipada, brindando a los equipos en terreno un tiempo crítico para prepararse. Este año, continuamos trabajando juntos y ahora estamos prediciendo 1,000 escenarios posibles para cada ciclón, con el fin de apoyar a los meteorólogos en su toma de decisiones.
El clima nos afecta a todos. Dado este amplio impacto, ahora estamos liberando como open source nuestros modelos WeatherNext 2 y WeatherNext Cyclones utilizados durante la temporada de huracanes. Al hacer que esta tecnología esté disponible abiertamente, esperamos empoderar a la comunidad investigadora y amplificar el impacto de la IA en la construcción de comunidades más resilientes, ya sea proporcionando a los meteorólogos locales las herramientas necesarias para prepararse ante desastres naturales, apoyando el crecimiento de las energías renovables o anticipando condiciones climáticas extremas.
¿Cómo predice WeatherNext el clima y los ciclones?
La predicción de ciclones generalmente ha forzado un intercambio que requiere dos técnicas de modelado distintas. La trayectoria de un ciclón (hacia dónde se dirige) es guiada por corrientes atmosféricas globales masivas, que hasta ahora se modelaban mejor mediante modelos globales de menor resolución. Sin embargo, la intensidad de un ciclón (qué tan fuerte se vuelve) es impulsada por procesos físicos termodinámicos altamente localizados y de escala fina alrededor de su núcleo, que se modelan mejor mediante modelos locales especializados de mayor resolución.
Nuestro modelo WeatherNext cierra esta brecha al mejorar el pronóstico del clima global en general, así como de los ciclones. Es un único modelo de IA que predice la trayectoria, intensidad y estructura del viento de un ciclón tropical con una precisión de vanguardia. Logra este avance a través de una combinación única de su entrenamiento, arquitectura y enfoque hacia las entradas de baja resolución.
El modelo fue co-entrenado en dos modalidades de datos distintas: dinámicas climáticas globales y observaciones históricas de ciclones curadas por expertos. Al entrenarse de principio a fin en casi 20 terabytes de datos atmosféricos globales y la base de datos histórica IBTrACS que abarca cerca de 5,000 tormentas históricas, el modelo aprende patrones atmosféricos complejos y cómo modelar climas extremos.
Nuestro modelo utiliza Functional Generative Networks (FGNs) para producir de manera eficiente conjuntos de diferentes predicciones, lo que captura la incertidumbre inherente del clima. Ahora podemos generar un pronóstico único de 15 días en menos de un minuto en una TPU, lo que permite a los meteorólogos evaluar rápidamente la distribución de probabilidad de riesgos potencialmente devastadores. El año pasado, nuestro sistema produjo 50 predicciones a la vez, igualando a los modelos físicos globales. Este año escalamos nuestro tamaño de conjunto a 1,000 miembros, capturando escenarios raros pero trascendentales como eventos de rápida intensificación, tal como ocurrió durante el huracán Melissa en 2025.
Hasta ahora, operar a una resolución espacial muy alta se consideraba el principal motor para realizar pronósticos de intensidad precisos. Sin embargo, WeatherNext Cyclones solo necesita datos con una resolución de 28x28km, 100 veces más gruesa que los modelos tradicionales. Una versión más pequeña del modelo, WeatherNext 2-mini, que opera a una resolución más gruesa de 111x111km, también muestra un gran rendimiento. Esto ha sorprendido a los científicos, y sigue siendo una pregunta de investigación abierta comprender completamente cómo nuestros modelos producen predicciones tan precisas a esta resolución. Esperamos que, junto con la comunidad investigadora, podamos descubrirlo.
¿Cómo acceder a los modelos WeatherNext?
Junto con nuestro artículo en Nature, estamos liberando como open source el código y los pesos del modelo, haciéndolos disponibles gratuitamente para que cualquiera pueda construir sobre ellos. Esto incluye investigación académica, pronósticos operativos o el desarrollo de modelos más especializados y localizados. Esperamos acelerar el progreso en toda la comunidad meteorológica global y empoderar a agencias meteorológicas, investigadores y organizaciones sin fines de lucro para predecir mejor los eventos climáticos de todo tipo y tomar decisiones clave para proteger vidas e infraestructura.
También estamos lanzando dos conjuntos de modelos similares: WeatherNext Cyclones, que operó durante la temporada de huracanes (los resultados se pueden ver en el artículo); y WeatherNext 2, una actualización posterior que pusimos en operación en octubre. Además, estamos lanzando WeatherNext 2-mini, una versión compacta del modelo que puede ejecutarse en una sola TPU en un Colab notebook público y gratuito.
Puedes explorar nuestros últimos pronósticos de ciclones en Weather Lab, que recientemente actualizamos con una nueva interfaz y ampliamos para incluir el clima global.
Vía Google DeepMind.
