El IA de Google DeepMind le dio a Jamaica un día extra para prepararse para un huracán de categoría 5

Puntos clave

• El modelo WeatherNext de Google DeepMind predijo que el huracán Melissa golpearía Jamaica como una tormenta de categoría 5 cinco días antes del impacto, con 80 por ciento de confianza.
• En promedio, WeatherNext proporciona a los meteorólogos un día completo adicional de advertencia precisa en comparación con los modelos existentes, según un artículo publicado en Nature el jueves.
• El modelo generó 1.000 escenarios posibles de tormenta simultáneamente, un volumen que la informática tradicional no puede igualar.
• DeepMind está lanzando los modelos WeatherNext como software de código abierto para que investigadores externos puedan estudiarlos y mejorarlos.
• Incluso los desarrolladores del modelo no pueden explicar completamente cómo logra su precisión usando datos de entrada de menor calidad que los que requiere el pronóstico tradicional.

En octubre de 2025, una tormenta se formaba silenciosamente en el Caribe. Los modelos meteorológicos tradicionales discrepaban sobre su trayectoria: ¿permanecería débil, o se intensificaría y giraría hacia Jamaica? WeatherNext, un sistema de pronóstico de IA construido por las divisiones DeepMind y Google Research de Google, se inclinó firmemente por la última opción. Cinco días antes de que la tormenta tocara tierra, señaló un 80 por ciento de probabilidad de que un huracán de categoría 5 golpeara Jamaica.

Tenía razón. El huracán Melissa causó inundaciones y deslizamientos de tierra en toda la isla. Pero la advertencia temprana significó que las comunidades tuvieron más tiempo para prepararse. Cuando cubrimos por primera vez WeatherNext el 6 de agosto, la historia fue la capacidad del modelo de predecir la intensificación rápida de Melissa de categoría 1 a categoría 5, una predicción que ninguna herramienta anterior había logrado con tanta anticipación.

¿Qué hace esto diferente del pronóstico meteorológico regular?

WeatherNext proporciona a los meteorólogos aproximadamente un día extra de advertencia confiable. Su pronóstico de tres días es aproximadamente tan preciso como los pronósticos de dos días de los modelos anteriores. Históricamente, dicen los investigadores, obtener ese único día habría requerido una década de trabajo científico incremental.

Mike Brennan, director del Centro Nacional de Huracanes de Estados Unidos, dijo: "El tiempo es realmente valioso para ese tipo de decisiones, por lo que la capacidad de ampliar la precisión del pronóstico hasta un día más allá de lo que hemos podido hacer anteriormente es realmente valiosa".

Organizar evacuaciones y trasladar suministros son tareas sensibles al tiempo. Hacerlo mal cuesta vidas.

¿Por qué son tan difíciles de predecir los huracanes?

Dos cosas deben predecirse simultáneamente, y exigen tipos de datos muy diferentes. Rastrear la dirección en que viaja una tormenta requiere datos meteorológicos globales de gran escala: posiciones de frentes fríos, patrones de viento en cuencas oceánicas completas. Predecir la intensidad requiere datos locales detallados sobre la temperatura del océano y la atmósfera directamente encima de la tormenta. Los modelos de IA anteriores manejaron el rastreo razonablemente bien. La intensidad, dice Kate Musgrave, líder del grupo de ciclones tropicales del Instituto Cooperativo para la Investigación en la Atmósfera y coautora del artículo, "no podían hacerlo bien en absoluto".

El equipo de DeepMind abordó esto entrenando WeatherNext en grandes volúmenes de datos meteorológicos generales junto con el conjunto mucho más pequeño de registros de ciclones históricos. Primero patrones atmosféricos amplios, luego tormentas.

La parte más extraña: WeatherNext utiliza datos de entrada de resolución más baja que los que los modelos tradicionales consideran necesarios para el pronóstico de intensidad, pero aun así supera su rendimiento. Cuando el equipo compartió esto con otros científicos, "quedaron sorprendidos", dice Ferran Alet, investigador científico en Google DeepMind y autor principal del artículo. Algo en los datos más gruesos lleva más señal útil de lo que nadie sospechaba anteriormente. Nadie sabe qué.

"Es una caja negra", reconoce Alet, "pero eso le da a los físicos una señal de que algo está sucediendo que no se entendía anteriormente".

¿Qué sucede ahora?

DeepMind está poniendo en código abierto los modelos WeatherNext para que investigadores independientes puedan investigarlos y tal vez descubrir qué fue lo que el IA detectó que los físicos humanos no vieron. La salida de 1.000 escenarios por tormenta, frente a 50 el año pasado, ayuda a capturar divergencias del efecto mariposa que los modelos numéricos tradicionales simplemente no pueden generar a esa escala.

Brennan es realista sobre los límites. Ningún modelo único está garantizado que tenga el mejor desempeño en cada temporada futura. Los expertos humanos aún traducen pronósticos crudos en evaluaciones de impacto. "Un huracán no es solo un pronóstico de trayectoria o intensidad", dice. "Requiere que los expertos traduzcan eso en cuáles serán los impactos, y son los impactos los que matan a las personas".

El lanzamiento de código abierto es la pieza que vale la pena observar. Si los investigadores externos pueden descifrar lo que el modelo ve en datos de baja resolución, el beneficio físico podría superar al del pronóstico.