La nueva herramienta que predice con exactitud si va a llover

DeepMind es una empresa que se hizo famosa al crear AlphaGo, un 'software' capaz de aprender por sí solo a jugar al Go y ganar al campeón mundial. Luego creó AlphaFold para predecir las estructuras de las proteínas del cuerpo humano y resolver una incógnita que llevaba 50 años atormentando a los biólogos. Y ahora propone un nuevo método de predicción de lluvia llamado DGMR que ha asombrado a los meteorólogos y que es capaz de anticipar con gran exactitud cuándo y dónde va a llover en los próximos 90 minutos.

TE PUEDE INTERESAR

Científicos dan un paso de gigante hacia el cristal irrompible

Jesús Díaz

Las técnicas actuales de previsión meteorológicas utilizan simulaciones virtuales que recrean los cambios físicos que se producen en la atmósfera. Estos sistemas son muy fiables en el largo plazo, pero no tanto en el corto, como sabe cualquiera que se haya puesto como una sopa después de que el teléfono le dijera que había solo un 20% de probabilidad de lluvia. Este tipo de predicciones a corto plazo se conocen como ‘nowcasting’.

Los sistemas que se han usado hasta ahora como pySTEPS y UNet son capaces de predecir con exactitud el lugar donde va a llover o la cantidad de lluvia que caerá, pero no las dos cosas a la vez. Estos dos parámetros juntos son muy difíciles de predecir porque dependen de diversos factores atmosféricos como el tipo de formación de nubes, los cambios en la temperatura o el viento.

El ‘nowcasting’ es fundamental para el buen funcionamiento de sectores como la agricultura, la aviación, la gestión de aguas, de emergencias o para los grandes eventos al aire libre. Por eso es muy importante encontrar sistemas de predicción a corto plazo que sean realmente fiables.

"Las previsiones meteorológicas pueden ser buenas o malas de muchas maneras diferentes", afirma Niall Robinson, jefe de alianzas e innovación de productos de la Met Office y uno de los investigadores principales en este estudio. "Puede que una previsión obtenga precipitaciones en el lugar correcto, pero con la intensidad equivocada. O que otra obtenga la mezcla correcta de intensidades, pero en los lugares equivocados, etc. Nos hemos esforzado mucho en esta investigación para evaluar nuestro algoritmo en función de un amplio conjunto de parámetros".

Cómo funciona este nuevo método

Los actuales sistemas de detección meteorológica por radar pueden mostrar imágenes en alta resolución cada cinco minutos. Los investigadores de DeepMind —una compañía subsidiaria de Alphabet, propietaria también de Google— han tomado estas imágenes de radar y las han utilizado para entrenar a una red de inteligencia artificial para que sea capaz de crear la sucesión de imágenes que va a venir a continuación.

Este método, afirma el equipo, es muy parecido al que usan otras herramientas de modelos generativos como GAN para crear rostros de humanos que no existen o para restaurar cuadros de Rembrandt.

“Conceptualmente, se trata de un problema de generación de vídeos de radar”, sostienen los investigadores. “Con estos métodos, podemos capturar con precisión los eventos a gran escala y, al mismo tiempo, generar muchos escenarios de lluvia alternativos, lo que permite explorar la incertidumbre de las precipitaciones”.

Para su estudio, publicado recientemente en la revista 'Nature', han usado datos de radar tanto del Reino Unido como de Estados Unidos. Y los han usado para hacer predicciones en escenarios de lluvias fuertes o medias, que, según ellos, son las que más impacto tienen en la población y la economía.

Una potente herramienta para los meteorólogos

El DGMR (Deep Generative Model of Rain, algo así como 'modelo generativo profundo de la lluvia', en español) se ha desarrollado colaborando con los científicos de la Oficina Meteorológica del Reino Unido. El equipo trabajó en el proyecto durante varios años, y las aportaciones de los meteorólogos fueron claves para que el proyecto tuviera aplicación real en su trabajo. "Impulsó el desarrollo de nuestro modelo de una forma diferente a la que habríamos seguido por nuestra cuenta", afirma Suman Ravuri, científico investigador de DeepMind. "De lo contrario, podríamos haber hecho un modelo que al final no fuera especialmente útil".

Para poner a prueba su nuevo método, el equipo pidió a 56 meteorólogos de la Oficina Meteorológica británica, que no participaron en la investigación, que valoraran el método y lo compararan a ciegas con las previsiones que realizan ellos con sus sistemas habituales. El DGMR les pareció más preciso al 89% de esos meteorólogos.

Desde DeepMind admiten que su método no está exento de limitaciones y que deben seguir trabajando para mejorar la precisión de sus predicciones a largo plazo y su exactitud en eventos meteorológicos más raros o intensos. “El trabajo futuro nos exigirá desarrollar formas adicionales de evaluar el rendimiento y especializar aún más estos métodos para aplicaciones específicas del mundo real”, afirma el equipo.