¿Qué tipo de modelo meteorológico es más eficaz para predecir fenómenos meteorológicos extremos?

Un nuevo estudio publicado en Science Advances afirma que la IA a menudo no logra predecir fenómenos meteorológicos extremos sin precedentes. Estos fenómenos, como las olas de calor y las tormentas de viento récord, son cada vez más frecuentes debido al cambio climático.

Contar con alertas precisas es fundamental para proteger vidas, propiedades e infraestructuras. La naturaleza sin precedentes de este tipo de eventos representa un desafío para la IA.

Nueva investigación

Los científicos compararon los principales modelos de IA con HRES (High Resolution Forecast), uno de los sistemas de predicción meteorológica basados en la física más avanzados del mundo. Crearon una extensa base de datos con datos de eventos de calor, frío y viento sin precedentes ocurridos en 2018 y 2020. Los investigadores contrastaron las predicciones de HRES y de los modelos de IA para esos años y determinaron cuál se aproximaba más al resultado real.

En olas de calor sin precedentes, los modelos de IA predijeron sistemáticamente temperaturas mucho más bajas de las observadas. Cuanto más se batía un récord, menos precisa era la IA.

HRES se desempeñaba mejor en estas situaciones gracias a su fundamento en las leyes de la física. Las leyes de la física son inmutables. Los modelos basados en la física tienen la capacidad de simular mejor escenarios que el mundo no ha experimentado. Los modelos de IA que se enfrentaban a eventos no incluidos en sus datos de entrenamiento intentaban compensar con promedios históricos.

Lo que dicen los científicos

“Nuestros hallazgos ponen de relieve las limitaciones actuales de los modelos meteorológicos de IA a la hora de extrapolar más allá de su dominio de entrenamiento y de pronosticar los fenómenos meteorológicos sin precedentes con un impacto potencialmente mayor”, explica el equipo de investigación.

Los investigadores advierten sobre la conveniencia de no depender completamente de la IA para tareas tan importantes como esta, dado que los eventos extremos serán cada vez más frecuentes. Sugieren un enfoque híbrido que combine la velocidad de la IA con la sólida base de las leyes de la física. "Se requiere una verificación más rigurosa y un mayor desarrollo de los modelos antes de que estos puedan utilizarse exclusivamente para aplicaciones críticas como los sistemas de alerta temprana y la gestión de desastres", afirma el equipo de investigación.

Referencia de la noticia

“Zhongwei Zhang et al, Physics-based models outperform AI weather forecasts of record-breaking extremes, Science Advances (2026). DOI: 10.1126/sciadv.aec1433”