La 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 un 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 posibles escenarios de tormentas a la vez, un volumen que la computación tradicional no puede igualar.
• DeepMind está lanzando los modelos de WeatherNext como software de código abierto para que investigadores externos puedan estudiarlos y mejorarlos.
• Ni siquiera los propios desarrolladores del modelo pueden explicar completamente cómo logra su precisión utilizando datos de entrada de menor calidad que lo que requiere el pronóstico tradicional.

En octubre de 2025, una tormenta se formó silenciosamente sobre el Caribe. Los modelos meteorológicos tradicionales no estaban de acuerdo: ¿se mantendría débil y derivaría hacia Haití, o se fortalecería y se dirigiría hacia Jamaica? WeatherNext, un sistema de pronóstico de IA construido por las divisiones DeepMind e Google Research de Google, se posicionó firmemente con la segunda opción. Cinco días antes de que la tormenta tocara tierra, indicó una probabilidad del 80 por ciento de que un huracán de categoría 5, la clase más destructiva, 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.

¿Qué hace que esto sea diferente de los pronósticos meteorológicos regulares?

WeatherNext compra a los meteorólogos aproximadamente un día adicional de advertencia confiable. Esto significa que su pronóstico de tres días es aproximadamente tan preciso como los pronósticos de dos días de los modelos antiguos. Históricamente, dicen los investigadores, ganar ese único día habría requerido una década de trabajo científico incremental.

Mike Brennan, director del Centro Nacional de Huracanes de EE.UU., lo expresó simplemente: "El tiempo es realmente valioso cuando se trata de este tipo de decisiones".

Organizar evacuaciones y desplazar suministros son trabajos sensibles al tiempo. Hacerlo mal cuesta vidas. Un día más importa enormemente.

¿Por qué los huracanes son tan difíciles de predecir en primer lugar?

Dos cosas deben predecirse simultáneamente, y exigen tipos de datos muy diferentes. Rastrear la dirección en que viaja una tormenta requiere datos meteorológicos de gran escala: posiciones de frentes fríos, patrones de viento en cuencas oceánicas completas. Predecir la intensidad de la tormenta requiere datos locales granulares sobre la temperatura del océano y la atmósfera directamente sobre la tormenta. Los modelos de IA anteriores manejaron la trayectoria 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 resolvió parte de esto entrenando a WeatherNext con volúmenes enormes de datos meteorológicos generales junto con el conjunto mucho más pequeño de registros históricos de ciclones. El modelo aprendió primero patrones atmosféricos amplios, luego aplicó ese conocimiento a las tormentas.

El giro más extraño: el sistema utiliza datos de entrada de menor resolución que los que los modelos tradicionales consideran necesarios para el pronóstico de intensidad, pero aún así los supera. Cuando el equipo le contó esto a otros científicos, "quedaron sorprendidos", dice Ferran Alet, científico investigador de Google DeepMind y autor principal del artículo. Algo en los datos más gruesos lleva más señal útil de lo que nadie sospechaba anteriormente. Nadie aún sabe qué.

"Es una caja negra al final", reconoce Alet.

¿Qué sucede a continuación?

DeepMind está abriendo el código de los modelos de WeatherNext para que investigadores independientes puedan explorarlos y, potencialmente, descubrir qué fue lo que la IA identificó que los físicos humanos pasaron por alto.

El modelo ahora genera 1.000 posibles escenarios de tormentas para cada huracán en desarrollo, frente a 50 el año pasado. Los modelos numéricos tradicionales, que ejecutan ecuaciones de física paso a paso, no pueden acercarse ni de lejos a ese número con la potencia informática disponible.

Brennan es realista acerca de los límites. Ningún modelo único está garantizado que tenga el mejor desempeño en cada temporada futura. Los expertos humanos aún traducen pronósticos sin procesar en evaluaciones de impacto, la parte que en última instancia determina cómo responden las comunidades. "Son los impactos los que matan gente", dice.

WeatherNext es un instrumento más agudo en un conjunto de herramientas grande. No es un reemplazo para las personas que la utilizan.