IA mejora predicción meteorológica en huracán Isaías frente a modelos tradicionales
Durant dècades, predir el temps ha estat un autèntic repte que requeria supercomputació i un equip de meteoròlegs. Avui, la intel·ligència artificial està reescrivint aquestes regles, ja que els models basats en machine learning no són només una promesa de laboratori, sinó que estan operant en temps real, donant suport a aquests professionals.
El cas de l'huracà Isaías és un exemple notable de la potència d'aquesta tecnologia en meteorologia. Un model de DeepMind va anticipar l'aparició de l'huracà amb una precisió gairebé màgica. En concret, el model FNV3 de Weather Labs es va destacar per la seva exactitud. Segons l'anàlisi de HurriLab, el model d'IA va predir el moment de tocar terra amb un marge d'error de poques hores a més de tres dies vista, acostant-se més al punt real d'impacte a Florida que els sistemes tradicionals, que es van desviar massa a l'oest.
No obstant això, el director del Centre Nacional d'Huracans va matisar que el pronòstic oficial del NHC va tenir entre un 20 i un 40% més d'habilitat que la IA a l'hora de predir la força de l'huracà. Els models clàssics com HWRF i HMON continuen sent els millors en pronòstics d'intensitat a llarg termini.
Més enllà d'aquest cas, hi ha literatura científica que assenyala els avantatges d'utilitzar models d'IA. Un article a Nature sobre el model WeatherNext Cyclones va demostrar que, després d'avaluar-se amb ciclons entre 2023 i 2025, es va aconseguir oferir de mitjana un dia o més d'avantatge d'anticipació enfront dels models actuals. La prova més important va ser l'informe del NHC de 2025, el primer any en què van incorporar models d'IA en operacions en temps real. El model de DeepMind va superar el pronòstic del NHC en trajectòria entre 12 i 72 hores, aconseguint una habilitat comparable en intensitat.
Durant Isaías, els meteoròlegs nord-americans van ajustar els seus pronòstics oficials perquè s'assemblessin als del model de DeepMind, relegant a un segon pla a colossos històrics com el model europeu o el GFS nord-americà. Aquest nivell de confiança també es va reflectir en l'huracà Melissa, on el NHC va anticipar la seva intensificació ràpida gairebé tres dies abans que arribés a Jamaica, recolzant-se en la IA.
El Centre Europeu de Previsions Meteorològiques a Mitjà Termini ja té la IA operativa amb el seu model AIFS des del 25 de febrer de l'any passat, juntament amb el model físic IFS. La IA consumeix unes 1.000 vegades menys energia per pronòstic. A Espanya, l'AEMET manté un enfocament pragmàtic amb el model ANEMOI-ML, assenyalant que els resultats amb IA són pitjors que els tradicionals a causa de la suavització dels extrems meteorològics.
Els meteoròlegs continuen sent essencials i no seran substituïts per la IA a curt termini. Actualment, la majoria dels models necessiten la meteorologia tradicional per arrencar i realitzar càlculs físics complexos, sent de moment un sistema de suport. No obstant això, en el futur, la IA podria assumir tot el procés, deixant obsolets els models físics tradicionals.
Durante décadas, predecir el tiempo ha sido un auténtico reto que requería supercomputación y un equipo de meteorólogos. Hoy, la inteligencia artificial está reescribiendo esas reglas, ya que los modelos basados en machine learning no son solo una promesa de laboratorio, sino que están operando en tiempo real, brindando apoyo a estos profesionales.
El caso del huracán Isaías es un ejemplo notable de la potencia de esta tecnología en meteorología. Un modelo de DeepMind anticipó la aparición del huracán con una precisión casi mágica. En concreto, el modelo FNV3 de Weather Labs se destacó por su exactitud. Según el análisis de HurriLab, el modelo de IA predijo el momento de tocar tierra con un margen de error de pocas horas a más de tres días vista, acercándose más al punto real de impacto en Florida que los sistemas tradicionales, que se desviaron demasiado al oeste.
Sin embargo, el director del Centro Nacional de Huracanes matizó que el pronóstico oficial del NHC tuvo entre un 20 y un 40% más de habilidad que la IA al predecir la fuerza del huracán. Los modelos clásicos como HWRF y HMON siguen siendo los mejores en pronósticos de intensidad a largo plazo.
Más allá de este caso, hay literatura científica que señala las bondades de usar modelos de IA. Un artículo en Nature sobre el modelo WeatherNext Cyclones demostró que, tras evaluarse con ciclones entre 2023 y 2025, se logró ofrecer de media un día o más de ventaja de anticipación frente a los modelos actuales. La prueba más importante fue el informe del NHC de 2025, el primer año en que incorporaron modelos de IA en operaciones en tiempo real. El modelo de DeepMind superó el pronóstico del NHC en trayectoria entre 12 y 72 horas, logrando una habilidad comparable en intensidad.
Durante Isaías, los meteorólogos estadounidenses ajustaron sus pronósticos oficiales para que se parecieran a los del modelo de DeepMind, relegando a un segundo plano a colosos históricos como el modelo europeo o el GFS estadounidense. Este nivel de confianza también se reflejó en el huracán Melissa, donde el NHC anticipó su intensificación rápida casi tres días antes de que llegara a Jamaica, apoyándose en la IA.
El Centro Europeo de Previsiones Meteorológicas a Plazo Medio ya tiene la IA operativa con su modelo AIFS desde el 25 de febrero del año pasado, junto al modelo físico IFS. La IA consume unas 1,000 veces menos energía por pronóstico. En España, la AEMET mantiene un enfoque pragmático con el modelo ANEMOI-ML, señalando que los resultados con IA son peores que los tradicionales debido a la suavización de los extremos meteorológicos.
Los meteorólogos siguen siendo esenciales y no serán sustituidos por la IA en el corto plazo. Actualmente, la mayoría de los modelos necesitan la meteorología tradicional para arrancar y realizar cálculos físicos complejos, siendo de momento un sistema de apoyo. Sin embargo, en el futuro, la IA podría asumir todo el proceso, dejando obsoletos los modelos físicos tradicionales.
For decades, predicting the weather has been a genuine challenge requiring supercomputing and a team of meteorologists. Today, artificial intelligence is rewriting those rules, as machine learning-based models are not just a laboratory promise but are operating in real-time, providing support to these professionals.
The case of Hurricane Isaias is a remarkable example of the power of this technology in meteorology. A DeepMind model anticipated the hurricane's appearance with almost magical precision. Specifically, Weather Labs' FNV3 model stood out for its accuracy. According to HurriLab's analysis, the AI model predicted the landfall time with a margin of error of a few hours more than three days in advance, coming closer to the actual impact point in Florida than traditional systems, which deviated too far west.
However, the director of the National Hurricane Center clarified that the NHC's official forecast had between 20% and 40% more skill than the AI in predicting the hurricane's strength. Classic models like HWRF and HMON remain the best for long-term intensity forecasts.
Beyond this case, there is scientific literature highlighting the benefits of using AI models. An article in Nature about the WeatherNext Cyclones model demonstrated that, after being evaluated with cyclones between 2023 and 2025, it managed to offer on average a day or more of lead time compared to current models. The most important test was the 2025 NHC report, the first year they incorporated AI models in real-time operations. The DeepMind model outperformed the NHC forecast in trajectory between 12 and 72 hours, achieving comparable skill in intensity.
During Isaias, American meteorologists adjusted their official forecasts to resemble those of the DeepMind model, relegating historical giants like the European model or the American GFS to the background. This level of confidence was also reflected in Hurricane Melissa, where the NHC anticipated its rapid intensification almost three days before it reached Jamaica, relying on AI.
The European Centre for Medium-Range Weather Forecasts already has AI operational with its AIFS model since February 25 of last year, alongside the physical IFS model. AI consumes about 1,000 times less energy per forecast. In Spain, AEMET maintains a pragmatic approach with the ANEMOI-ML model, noting that AI results are worse than traditional ones due to the smoothing of weather extremes.
Meteorologists remain essential and will not be replaced by AI in the short term. Currently, most models need traditional meteorology to start and perform complex physical calculations, being for now a support system. However, in the future, AI could take over the entire process, rendering traditional physical models obsolete.
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →