Ni 'apps' ni la Aemet: así trabaja Google en su propio pronóstico del tiempo

Los de Larry Page quieren estar en todo. La última novedad que han presentado supondría en un paso final del desarrollo que su propio motor de búsqueda, más allá de llevar a los usuarios hasta una página web o 'app' que ofrezca información fiable o recabarla des las agencias meteorológicas de cada país para plasmarla ante su cliente, se la otorgue de su propia cosecha.

El ingeniero de 'software' de Google Research, Jason Hickey, ha indicado a través del blog oficial de Inteligencia Artificial de los de Mountain View que se encuentran inmersos en una investigación para desarrollar modelos de aprendizaje automático sobre el pronóstico de lluvias haciendo predicciones altamente localizadas y 'libres de física' que se pueden aplicar al futuro inmediato. Así, la compañía está enfocada en pronósticos de 0 a 6 horas con una resolución de un kilómetro cuadrado con una latencia de entre cinco y diez minutos, incluyendo en este lapso de tiempo el que dedican a la recolección de datos.

TE PUEDE INTERESAR

Decir "Ok Google" pronto te valdrá para más: estas serán las novedades del asistente virtual

El Confidencial

¿Cómo lo harán? "Una red neuronal convolucional (CNN) aprenderá a aproximar la física atmosférica solo a partir de los ejemplos de entrenamiento (analizando imágenes), no incorporando el conocimiento 'a priori' de cómo funciona realmente la atmósfera. Tratamos la predicción del clima como un problema de traducción de imagen a imagen y aprovechamos el estado actual de la técnica en análisis de imágenes: redes neuronales ", indican desde la compañía.

Es decir, que más allá de basarse en los datos históricos, la información en tiempo real de las propias estaciones y la situación de estas, lo novedoso de este proyecto es que la inteligencia artificial con la que se trabaja no está condicionada por las variables que se presuponen necesarias para que se produzcan chubascos, sino que por el contrario, el sistema únicamente se basa en el procesado de las imágenes de los radares para llevar a cabo toma de decisiones y por tanto, la llegada a conclusiones.

Por ahora, solo 6 horas

Con los avances que han hecho hasta el momento, tal y como explica Hickey el sistema de predicción que ha desarrollado Google supera a los métodos convencionales en predicciones con vista a hasta seis horas, pues aunque una de las grandes ventajas de este nuevo desarrollo es la inmediatez, pues es mucho más rápido que los modelos más antiguos para las predicciones a muy corto plazo, la realidad es que el modelo HRRR supera en precisión al de los de Mountain View cuando se supera esta barrera de tiempo.

Eso sí, Hickey defiende su apuesta asegurando que mientras que el modelo High-Resolution Rapid Refresh (HRRR) se ve obstaculizado por largos procesos de computación que pueden durar entre una y tres horas. Por ello asegura que una buena apuesta es trabajar en la combinación de estos dos sistemas, pues el HRRR utiliza modelos físicos 3D completos con los que se puede ver la formación de nubes —algo difícilmente observable con imágenes 2D y por tanto, complicado para el método de aprendizaje automático—.