Google DeepMind publicó WeatherNext Cyclones en Nature el 6 de agosto, y señaló que ofrece más de un día completo adicional de antelación frente a las principales previsiones operativas para la trayectoria, la intensidad y la estructura del viento de los ciclones. Las previsiones a tres días igualan ahora la precisión que los modelos anteriores alcanzaban a dos días.
Los márgenes de error
El error de trayectoria en la ventana de tres días es de aproximadamente 100 km; el error de intensidad es de unos 11 nudos. El modelo se evaluó con ciclones de 2023-2024 — alguna cobertura secundaria habla de 2023-2025, lo que la propia publicación de DeepMind no respalda.
Con qué se entrenó
Casi 20 terabytes de datos atmosféricos globales, además de IBTrACS, el archivo histórico de mejores trayectorias que abarca casi 5.000 tormentas. Se desarrolló con el US National Hurricane Center, el Cooperative Institute for Research in the Atmosphere y el UK Met Office. WeatherNext 2 y WeatherNext Cyclones están en GitHub con el código y los pesos del modelo, junto con un WeatherNext 2-mini.
Dónde está la mejora, y dónde no
El principal avance está en la trayectoria. La previsión de intensidad — si una tormenta se fortalece rápidamente antes de tocar tierra — sigue siendo el problema más difícil y el que con más frecuencia determina los daños. Un error de 11 nudos es un avance, no un caso resuelto.
No sustituye
Funciona junto a los pronosticadores del National Hurricane Center en lugar de reemplazar las alertas oficiales. La afirmación de DeepMind de que el resultado equivale a una década de progreso meteorológico es una analogía de la compañía, no una métrica del artículo — que sí está revisado por pares, a diferencia de la mayoría de las afirmaciones sobre modelos que alcanzan este nivel de cobertura. La publicación del código y los pesos junto con el modelo permite que la comparación la repitan las agencias que tendrían que confiar en él, que es la parte que determina si se usa operativamente.