Estás leyendo
La revista científica Nature publica un artículo sobre el modelo meteorológico de inteligencia artificial Pangu Weather de Huawei Cloud

La revista científica Nature publica un artículo sobre el modelo meteorológico de inteligencia artificial Pangu Weather de Huawei Cloud

  • El sistema, desarrollado por investigadores de la compañía, destaca por su fuerte rendimiento en comparación con la predicción tradicional en velocidad y precisión
Huawei

La revista , una de las principales revistas científicas del mundo, ha publicado un  artículo sobre el innovador modelo meteorológico de inteligencia artificial  desarrollado por .

Es la primera vez que profesionales de la compañía china son los únicos autores de un artículo en Nature, según Nature Index. El artículo, que describe cómo desarrollar un sistema de previsión meteorológica global de Inteligencia Artificial (IA) preciso y exacto basado en el aprendizaje profundo utilizando 43 años de datos, apareció en la prestigiosa publicación el 5 de julio de 2023.

Pangu-Weather es el primer modelo de predicción de IA que demuestra una mayor precisión que los métodos numéricos tradicionales de previsión meteorológica. El modelo permite mejorar 10.000 veces la velocidad de predicción, reduciendo el tiempo de predicción meteorológica global a tan solo unos segundos. El artículo, titulado «Accurate medium-range global weather forecasting with 3D neural networks», ofrece comprobaciones independientes de estas capacidades.

Pangu-Weather pone en tela de juicio las suposiciones anteriores de que la precisión de las previsiones meteorológicas con IA es inferior a la de las previsiones numéricas tradicionales. El modelo, desarrollado por el equipo HUAWEI CLOUD, es el primer modelo de predicción de IA con mayor precisión que los métodos tradicionales de predicción numérica.

Con el rápido desarrollo de la potencia de cálculo en los últimos 30 años, la precisión de las previsiones meteorológicas numéricas ha mejorado espectacularmente, lo que permite alertar de catástrofes extremas y predecir el cambio climático. Sin embargo, el método sigue siendo relativamente lento. Para mejorar la velocidad de predicción, los investigadores han estado explorando cómo utilizar métodos de aprendizaje profundo. Sin embargo, la precisión de los pronósticos basados en IA para pronósticos a medio y largo plazo sigue siendo inferior a la de las predicciones numéricas. La IA ha sido incapaz de predecir condiciones meteorológicas extremas e inusuales, como los tifones.

Cada año se producen unos 80 tifones en todo el mundo. En 2022, sólo en China, las pérdidas económicas directas causadas por los tifones ascendieron a 5.420 millones de yuanes, según cifras del Ministerio de Gestión de Emergencias de China. Cuanto antes se envíen las alertas, más fácil y mejor será hacer los preparativos adecuados.

Debido a su rapidez, los modelos de previsión meteorológica basados en IA han resultado atractivos, pero han carecido de precisión por dos razones. En primer lugar, los modelos de previsión meteorológica de IA existentes se basan en redes neuronales 2D, que no pueden procesar bien datos meteorológicos 3D desiguales. En segundo lugar, la previsión meteorológica a medio plazo puede sufrir errores de previsión acumulativos cuando el modelo se aplica demasiadas veces.

Cómo aborda Pangu-Weather estos retos

Durante las pruebas científicas, el modelo Pangu-Weather ha demostrado su mayor precisión en comparación con los métodos tradicionales de predicción numérica para previsiones de 1 hora a 7 días, con un aumento de la velocidad de predicción de 10.000 veces. El modelo puede predecir, con precisión y en tan solo unos segundos, características meteorológicas de gran detalle como la humedad, la velocidad del viento, la temperatura y la presión a nivel del mar.

El modelo utiliza una arquitectura 3D Earth-Specific Transformer (3DEST) para procesar datos meteorológicos 3D complejos y no uniformes. Utilizando una estrategia de agregación jerárquica y temporal, el modelo se entrenó para diferentes intervalos de previsión utilizando intervalos de 1 hora, 3 horas, 6 horas y 24 horas. El resultado fue una minimización de la cantidad de iteraciones para predecir una condición meteorológica en un momento concreto y una reducción de las previsiones erróneas.

Para entrenar el modelo en intervalos de tiempo específicos, los investigadores entrenaron 100 épocas (ciclos) utilizando muestras horarias de datos meteorológicos de 1979 a 2021. Cada uno de los submodelos resultantes requirió 16 días de entrenamiento en 192 tarjetas gráficas V100. Pangu-Weather Model puede ahora completar predicciones meteorológicas globales de 24 horas en sólo 1,4 segundos en una tarjeta gráfica V100, lo que supone una mejora de 10.000 veces en comparación con la predicción numérica tradicional.

Te puede interesar
El papel de la IA generativa en la ciberseguridad

Al explicar la razón por  la que el equipo de Huawei Cloud AI decidió centrarse en las predicciones meteorológicas, el Dr. Tian Qi, Científico Jefe de Huawei Cloud AI Field, miembro del IEEE y Académico de la Academia Internacional de Ciencias de Eurasia, explicó: «La predicción meteorológica es uno de los escenarios más importantes en el campo de la computación científica porque la predicción meteorológica es un sistema muy complejo, aunque es difícil abarcar todos los aspectos del conocimiento matemático y físico. Por eso estamos encantados de que nuestra investigación haya sido reconocida por la revista Nature. Los modelos de IA pueden extraer leyes estadísticas de la evolución atmosférica a partir de datos masivos. En la actualidad, Pangu-Weather completa principalmente el trabajo del sistema de previsión, y su principal capacidad es predecir la evolución de los estados atmosféricos. Nuestro objetivo final es construir un marco de previsión meteorológica de nueva generación utilizando tecnologías de IA para reforzar los sistemas de previsión existentes.»

En sus comentarios sobre la importancia y calidad de la investigación de Huawei Cloud, los revisores académicos de Nature explicaron que Pangu-Weather no sólo es muy fácil de descargar y ejecutar, sino que opera rápidamente incluso en un ordenador de sobremesa. «Esto significa que cualquiera en la comunidad meteorológica puede ahora ejecutar y probar estos modelos a su antojo. Es una gran oportunidad para que la comunidad explore lo bien que el modelo predice fenómenos específicos. Eso ayudará a progresar en este campo». Otro revisor señaló que «los resultados en sí son un paso significativo más allá de los resultados anteriores. En mi opinión, este trabajo hará que la gente se replantee cómo serán los modelos de previsión en el futuro».

En mayo de 2023, el tifón Mawar captó la atención del mundo como el ciclón tropical más fuerte del año hasta ese momento. Según la Administración Meteorológica de China, Pangu-Weather predijo con exactitud la trayectoria del tifón Mawar cinco días antes de que cambiara de rumbo en aguas orientales de las islas de Taiwán.

Además, para que los principales modelos de previsión meteorológica basados en IA sigan avanzando, también son esenciales unos entornos de nube estables, conjuntos de trabajo y las correspondientes operaciones y mantenimiento.

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.   
Privacidad