Una startup de meteorología basada en IA supera en precisión a los organismos gubernamentales

Una nueva herramienta de predicción meteorológica basada en inteligencia artificial, presentada hoy por la startup WindBorne Systems, ofrece predicciones más frecuentes y precisas sobre variables clave que el sistema líder a nivel mundial desarrollado por los gobiernos europeos, gracias a las mejoras introducidas en la forma en que los datos de los sensores se introducen en los modelos de aprendizaje profundo.

Fundada por un grupo de estudiantes de Stanford en 2019, WindBorne se centró inicialmente en fabricar mejores globos meteorológicos con el objetivo de vender datos meteorológicos. Sin embargo, tras la aparición de los modelos de aprendizaje profundo para la predicción meteorológica en 2022, el equipo se dio cuenta de que también podía obtener un mayor valor desarrollando su propio modelo.

WindBorne afirma que la última versión de su modelo supera tanto a los sistemas tradicionales como a los basados en IA del ECMWF en varias variables. Según el director de producto, Kai Marshland, una forma sencilla de entenderlo es que WeatherMesh 6 «es tan preciso a cinco días vista como lo es un pronóstico tradicional el día anterior», especialmente en lo que respecta a las mediciones de temperatura en superficie.

Hoy se lanza la sexta versión de ese modelo, WeatherMesh, que, según la empresa, es más precisa que tanto las previsiones tradicionales como las basadas en IA elaboradas por el Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), la organización intergubernamental ampliamente considerada por los meteorólogos como el principal proveedor de predicciones meteorológicas precisas en la actualidad.

WeatherMesh 6 genera una previsión cada hora, frente a las seis horas de los modelos tradicionales. Su resolución se ha reducido a 3 km en Europa y en el territorio continental de EE. UU., donde la calidad de los datos es mayor.

Las previsiones meteorológicas tradicionales se basan en complejos modelos físicos que requieren costosos superordenadores y tardan bastante tiempo en ejecutarse. Los modelos de IA —desarrollados por startups y grandes laboratorios como Google DeepMind— suelen funcionar más rápido que los modelos físicos, pero actualmente ofrecen una resolución menor, menos variables y menor precisión en horizontes temporales más largos.

Aun así, la IA aplicada a la meteorología está mejorando rápidamente y ya la utilizan las principales agencias gubernamentales de todo el mundo. Los investigadores están trabajando para integrarla en los sistemas que recopilan datos meteorológicos y elaboran pronósticos públicos.

WindBorne se beneficia de su combinación única de creación de modelos y recopilación de datos. La empresa cuenta actualmente con unos 400 globos en vuelo en todo momento, que recogen lecturas de sensores desde 15 puntos de lanzamiento repartidos por todo el mundo. Las mejoras en su modelo actual provienen de los ajustes en la forma en que los datos recopilados por los globos se incorporan a los modelos.

«Personalmente, no entiendo el modelo de negocio de una empresa meteorológica basada en la IA que no cuente con una ventaja en cuanto a conjuntos de datos», declaró a TechCrunch John Dean, director ejecutivo de WindBorne.

La superioridad del ECMWF radica en su experiencia en la «asimilación de datos», el proceso de convertir lecturas de sensores dispares en una representación global y legible por máquinas del mundo. Por ahora, los modelos meteorológicos basados en IA dependen de los conjuntos de datos producidos por el ECMWF y la Administración Nacional Oceánica y Atmosférica de EE. UU.

Pero WindBorne y otras organizaciones están trabajando para introducir datos directamente en los modelos. Joan Creus-Costa, responsable de IA de la empresa, afirma que la incorporación directa de datos procedentes de sus globos y otras fuentes es la razón principal de la mejora en la nueva versión de WeatherMesh. Se necesitó un año de ajustes y rediseño del modelo basado en transformadores para ofrecer estas previsiones sin perder estabilidad.

«Cuando empezamos a realizar la asimilación de datos, seguíamos dependiendo en gran medida del ECMWF», explicó Dean. «Preveo que, hoy en día, si elimináramos las condiciones iniciales del ECMWF, seguiríamos obteniendo resultados bastante buenos».

La empresa sufrió un susto el año pasado cuando un avión de United Airlines chocó contra uno de sus globos. Aunque el avión sufrió daños leves, nadie resultó herido, en parte porque WindBorne cumplía con la normativa estadounidense relativa al tamaño de sus paquetes de sensores. Ahora, sin embargo, la empresa ha incorporado transpondedores a sus globos que comunican su ubicación a través del sistema global de vigilancia de la aviación, el ADS-B, para reducir el riesgo de otra colisión.

WindBorne, que ha recaudado 25 millones de dólares en financiación de capital riesgo con una valoración estimada de 85 millones de dólares en 2024, vende los datos de sus globos a la NOAA (para su uso en las operaciones de predicción meteorológica estadounidenses), a la Fuerza Aérea de los Estados Unidos y a la Armada. La empresa también vende sus previsiones a inversores y operadores de materias primas. Sin embargo, Dean afirma que la empresa sigue centrada en desarrollar su modelo y su infraestructura de datos, más que en productos comerciales, en parte debido a la naturaleza cambiante del entorno de la información.

«No pretendo dedicar un equipo enorme a desarrollar un producto SaaS si, dentro de dos años, la forma en que la gente quiere acceder a la información de consumo es a través de un agente, ¿no?», señaló Dean.