El modelo de huracanes de DeepMind revoluciona la predicción meteorológica

DeepMind’s hurricane breakthrough has surprised weather scientists

En octubre de 2025, una tormenta se gestó sobre el Mar Caribe, generando incertidumbre entre los modelos meteorológicos sobre su trayectoria. ¿Permanecería débil y se dirigiría a Haití, o se intensificaría y se encaminaría hacia Jamaica? El modelo de inteligencia artificial WeatherNext, desarrollado por Google DeepMind y Google Research, optó por la segunda opción. Cinco días antes de tocar tierra, predijo con un 80% de confianza que el sistema de tormentas golpearía Jamaica como un huracán de categoría 5.

El huracán Melissa fue catastrófico, causando inundaciones y deslizamientos de tierra en toda Jamaica. Sin embargo, el modelo de IA ayudó a los meteorólogos a dar una advertencia temprana a las comunidades en su camino, permitiéndoles prepararse mejor.

En un artículo publicado en Nature, los investigadores demuestran que el modelo WeatherNext puede predecir ciclones con una precisión sin precedentes. En promedio, ofrece a los meteorólogos un día más de tiempo de anticipación que los modelos existentes; esto significa que sus predicciones a tres días son tan precisas como las predicciones a dos días de los modelos anteriores. En el terreno, ese día extra puede significar mucho.

«Incluso unas pocas horas pueden marcar la diferencia», dice Mike Brennan, director del Centro Nacional de Huracanes de EE.UU. Organizar evacuaciones, preparar suministros y mover recursos para responder a un riesgo de huracán son tareas sensibles al tiempo, y tomar la decisión equivocada puede tener grandes consecuencias. «El tiempo es realmente valioso cuando se trata de esos tipos de decisiones, por lo que la capacidad de extender la precisión de las predicciones hasta un día más de lo que hemos podido hacer anteriormente es realmente valiosa», añade.

Históricamente, adelantar las predicciones un día requeriría una década de trabajo, dicen los investigadores.

Modelar eventos extremos puede ser un desafío para la IA. El aprendizaje automático requiere una gran cantidad de datos de entrenamiento para hacer predicciones futuras, pero los eventos extremos son, por naturaleza, sucesos raros. «No tenemos tantos datos de ciclones, pero tenemos muchos datos meteorológicos», dice Ferran Alet, científico investigador de Google DeepMind y uno de los autores principales del artículo. «Así que lo que hicimos fue entrenar un modelo para que fuera bueno tanto en el clima como en los ciclones.»

Los huracanes son particularmente difíciles de predecir porque operan en múltiples escalas espaciales, dice Kate Musgrave, líder del grupo de ciclones tropicales en el Instituto Cooperativo para la Investigación en la Atmósfera y autora del artículo. Predecir la trayectoria de una tormenta requiere datos sobre el clima a escala global, mientras que predecir su intensidad requiere datos a escala mucho más pequeña centrados específicamente en las condiciones atmosféricas y oceánicas locales.

«Eso es algo que simplemente no obtenemos de estos modelos globales», dice Musgrave. Mientras que los modelos de IA anteriores han tenido éxito en predecir la trayectoria de una tormenta, «la intensidad no la podían predecir bien en absoluto.»

Es crucial predecir ambos aspectos: un cambio en la intensidad puede significar la diferencia entre una tormenta relativamente débil y un huracán mayor. A veces, como en el caso del huracán Melissa, un sistema de tormentas puede intensificarse rápidamente, desarrollándose en una situación de emergencia de la noche a la mañana. Melissa marcó la primera vez que el Centro Nacional de Huracanes pudo predecir un huracán de categoría 5 cuando la tormenta estaba solo en la etapa de categoría 1.

Antes de que el modelo WeatherNext se utilizara en pronósticos en vivo, los investigadores lo probaron con datos retrospectivos. «Los resultados fueron tan buenos que éramos escépticos de que realmente veríamos eso en la demostración en tiempo real», dice Musgrave. Pero cuando los meteorólogos comenzaron a adoptar el modelo en sus operaciones, este rendimiento se mantuvo. «Creo que todos se sorprendieron de lo bien que funcionó», comenta Musgrave.

Incluso los investigadores de DeepMind que trabajan en el modelo no comprenden completamente cómo la IA produce predicciones tan precisas, dado que utiliza datos atmosféricos de resolución mucho más baja de lo que requieren los modelos tradicionales para pronosticar la intensidad de la tormenta. «Cuando le dijimos a la comunidad que nuestro modelo solo usaba una resolución relativamente baja, se sorprendieron, porque eso significa que las entradas de baja resolución capturan más señales de lo que va a suceder de lo que se creía anteriormente», dice Alet.

El modelo de IA debe estar captando algo en los datos de baja resolución que le permite hacer predicciones sobre la intensidad de la tormenta, pero los investigadores no saben qué. «Es una caja negra al final del día, pero eso da a los físicos una señal de que algo está sucediendo que no se entendía previamente», dice Alet.

El modelo no solo proporciona una predicción; produce una gama de escenarios potenciales para una tormenta en desarrollo. Esto ayuda a capturar cualquier potencial «efecto mariposa», dice Alet, donde una pequeña desviación de una tendencia podría llevar a cambios mucho mayores más adelante. Los meteorólogos pueden usar estos resultados, junto con los de otros modelos, para informar sus predicciones sobre cómo probablemente se desarrollará un sistema de tormentas. El año pasado, el modelo de IA creó 50 escenarios por tormenta; ahora, genera 1,000.

«Eso es algo que, con nuestro poder de cómputo, simplemente no podemos hacer con nuestros modelos numéricos existentes», dice Musgrave.

Brennan dice que el modelo de DeepMind es una gran herramienta nueva en la caja de herramientas de los meteorólogos, pero enfatiza que es solo una de muchas. «No hay garantía de que un modelo, porque funcionó bien el año pasado o realmente funcionó bien para esta tormenta en particular, sea necesariamente el mejor modelo para la próxima temporada o la próxima tormenta», dice. El elemento humano, añade, sigue siendo crítico. «Un huracán no es solo una predicción de trayectoria o intensidad», dice. «Requiere expertos para traducir eso en lo que van a ser los impactos, y son los impactos los que matan a las personas.»

Google DeepMind también anunció que está liberando el código fuente de los modelos WeatherNext utilizados durante la temporada de huracanes para que los investigadores puedan utilizarlos y mejorarlos.

Fuente: https://arstechnica.com/science/2026/08/deepminds-hurricane-model-bought-forecasters-an-extra-day/