Aurora, el modelo de IA de Microsoft que afina la predicción de ciclones y olas oceánicas

Redacción Ciencia, 21 may (EFE).- La predicción fiable del sistema terrestre es esencial para mitigar los desastres naturales y la inteligencia artificial ha demostrado ser prometedora para mejorarla. La revista Nature publica este miércoles detalles de Aurora, un modelo entrenado con más de un millón de horas de datos geofísicos diversos.

Desarrollada por Microsoft, esta herramienta de inteligencia artificial (IA) puede superar -según la publicación científica- las previsiones existentes sobre el sistema terrestre, permitiendo una previsión más precisa y eficaz de la calidad del aire, las trayectorias de los ciclones tropicales y la dinámica de las olas oceánicas, así como una predicción meteorológica de alta resolución.

Microsoft ya dio a conocer este modelo el pasado año; hoy publica sus características en Nature.

Las previsiones del sistema terrestre proporcionan información sobre una serie de procesos, como el tiempo, la calidad del aire, las corrientes oceánicas, el hielo marino y los huracanes, y sirven como herramientas integrales para proporcionar alertas tempranas de fenómenos extremos.

Estas se basan en complejos modelos elaborados a partir de décadas de datos, que exigen un gran esfuerzo informático y a menudo requieren superordenadores y equipos completos para su mantenimiento.

Los recientes avances en IA han demostrado ser prometedores en cuanto a rendimiento y eficacia predictiva; sin embargo, su uso en la previsión del sistema terrestre no se ha explorado a fondo, señala Nature.

Paris Perdikaris, de la Universidad de Pensilvania (Estados Unidos), y su equipo han desarrollado Aurora, un modelo de IA entrenado con más de un millón de horas de datos geofísicos -obtenidos de satélites, radares y estaciones meteorológicas, simulaciones y pronósticos-.

Aurora, que genera pronósticos en segundos, supera a los modelos existentes en calidad del aire, olas oceánicas, trayectorias de ciclones tropicales y meteorología de alta resolución con un coste computacional inferior al de los métodos de previsión actuales.

"Con la capacidad de ajustarse con precisión para diversas aplicaciones a un coste moderado, Aurora representa un paso notable hacia la democratización de predicciones precisas y eficientes del sistema terrestre", escriben los autores en su artículo.

Los investigadores, también de Microsoft Research y de las universidades de Ámsterdam y Cambridge, entre otros, informan de que el modelo obtuvo mejores resultados que siete centros de pronóstico en las predicciones de trayectorias ciclónicas a 5 días en el 100 % de los objetivos medidos y en el 92 % de los objetivos para las predicciones meteorológicas a 10 días.

Los experimentos necesarios para entrenar Aurora duraron entre 4 y 8 semanas, frente a los años que se necesitan actualmente para desarrollar modelos de referencia. Los autores señalan que este plazo solo fue posible gracias a los datos acumulados previamente con los enfoques tradicionales.

Los investigadores indican que esta IA es un modelo base para el sistema terrestre y que podría adaptarse para otros usos además de la predicción meteorológica.

Un modelo base, explica Microsoft en su web, es un modelo de IA a gran escala entrenado con una amplia variedad de datos. Aurora es único porque no se limita a la predicción meteorológica con IA, sino que es solo una de las funciones que ofrece.

Lo que distingue a Aurora es que se entrena inicialmente como modelo base y, posteriormente, puede especializarse mediante ajustes para ir más allá de lo que se considera la predicción meteorológica tradicional, como el pronóstico de la contaminación atmosférica, añade la compañía.

Durante su desarrollo, los investigadores ajustaron el modelo a diversas capacidades de predicción, incluyendo la de olas oceánicas y ciclones tropicales, lo que demuestra -recalca Microsoft- su capacidad como modelo base para el sistema terrestre, en lugar de solo para la atmósfera.

Microsoft no es la única compañía que ha desarrollado una IA de este tipo. Por ejemplo, a finales de 2023 Google publicó en la revista Science su modelo basado en aprendizaje automático, GraphCast, capaz de hacer un pronóstico de la meteorología "más rápido y preciso" con hasta 10 días de antelación.

Google también dijo que su IA superaba "significamente" a los sistemas tradicionales y que sirve para ofrecer alertas más tempranas sobre fenómenos meteorológicos extremos. EFE