El último modelo de inteligencia artificial de Google para el clima no te da excusa para olvidar tu paraguas

Google DeepMind y Google Research han presentado un nuevo modelo de predicción meteorológica impulsado por inteligencia artificial que ofrece una visión más clara de los cambios atmosféricos y predicciones más frecuentes y fiables.

WeatherNext 3 representa un avance significativo en la meteorología, impulsado por el aprendizaje profundo. Google planea integrar este modelo en Search, Google Maps y Gemini, al tiempo que lo pone a disposición de investigadores y usuarios a través de sus plataformas en la nube.

«Esto marca la primera vez que las variables fundamentales impulsarán directamente una amplia gama de productos de Google», afirmó Samier Merchant, ingeniero principal de personal en Google, en una entrevista con TechCrunch.

Probado en Operational WeatherBench, un punto de referencia creado por la startup Brightband para comparar las predicciones de IA, WeatherNext 3 ha demostrado una precisión superior en métricas clave como temperatura, velocidad del viento y humedad.

Supera a otros modelos de aprendizaje profundo de Google, Microsoft, Nvidia y el Centro Europeo de Predicciones Meteorológicas a Plazo Medio (ECMWF), así como a las predicciones tradicionales del Servicio Nacional de Meteorología de EE. UU. y del ECMWF.

Créditos de la imagen:Brightband / Brightband

Las predicciones meteorológicas tradicionales dependen de supercomputadoras gubernamentales que resuelven complejas ecuaciones físicas. Aunque son precisas, estos sistemas son costosos y lentos. Desde 2018, cuando el ECMWF liberó décadas de datos históricos, los investigadores han utilizado el aprendizaje profundo para crear modelos más rápidos con una precisión comparable.

«El clima es caótico; pequeñas diferencias pueden provocar perturbaciones masivas», explicó Ferran Alet, gerente de investigación de personal en DeepMind. «El aprendizaje automático aborda el desafío central: aproximar la física ruidosa utilizando información incompleta y capacidad de cómputo limitada, lo que le permite aprender patrones a partir de grandes conjuntos de datos».

Los modelos de predicción con IA anteriores enfrentaban limitaciones clave: cubrían áreas extensas (15-25 kilómetros cuadrados) con un uso práctico limitado, tenían dificultades para predecir la lluvia y dependían de datos gubernamentales preprocesados.

WeatherNext 3 aborda estos problemas. Ofrece una resolución de 5 km, mejora la precisión de la predicción de lluvia en un 60 % en comparación con WeatherNext 2 y genera pronósticos por hora en lugar de los intervalos estándar de seis horas.

Créditos de la imagen:Google / Google

Estas mejoras provienen de decisiones de diseño específicas. WeatherNext 3 tiene 2,4 veces más parámetros que su predecesor, con cabezales de decodificación adaptados para proporcionar información más aplicable. A diferencia de las predicciones estándar que promedian los datos en cuadrículas 3D, el modelo de DeepMind puede visualizar eventos específicos como las trayectorias de los ciclones.

Además, el modelo está entrenado para predecir datos de estaciones meteorológicas específicas. Esto mejora la granularidad de las predicciones y permite evaluarlas frente a datos reales.

«El objetivo con muchas aplicaciones de IA es ejecutar tareas de principio a fin», dijo Daniel Rothenberg, científico atmosférico en Brightband. «Al predecir datos de estaciones específicas, como las condiciones horarias en el aeropuerto de Denver, conectamos la predicción más estrechamente con la utilidad del mundo real».

La mayor frecuencia del modelo se habilita al ingerir datos satelitales en tiempo real cada hora. El uso de observaciones empíricas sin procesar, en lugar de análisis generados por supercomputadoras, mejora la precisión, aunque manejar datos sin formato sigue siendo técnicamente desafiante.

Google afirma que WeatherNext 3 es el primer modelo de IA que incorpora observaciones sin procesar para predicciones globales de alta resolución. Sin embargo, la startup de IA WindBorne afirma que su modelo WeatherMesh 6 ha utilizado datos sin procesar de globos meteorológicos desde finales de 2025. Google señala que sus predicciones ofrecen una resolución global más alta. Ambos modelos aún dependen de conjuntos de datos nacionales, lo que indica que aún se necesita más trabajo para una asimilación directa de datos verdadera.

Mientras que los grandes modelos de lenguaje dominan los titulares, la revolución de los transformadores en la meteorología es igualmente transformadora. Las agencias meteorológicas de Europa y EE. UU. ya están utilizando IA en sus predicciones, ofreciendo ventajas de velocidad y costos que podrían hacer que las predicciones precisas fueran accesibles para regiones más pobres.

Bill Gates destacó recientemente la predicción meteorológica con IA como un beneficio clave, señalando su potencial para mejorar los rendimientos de los cultivos en las naciones en desarrollo. Ferran Alet añadió que las predicciones de mayor resolución del viento, la lluvia y la cobertura de nubes ayudarán a hacer que los proyectos de energía renovable sean más fiables.

«En última instancia, Google tiene como objetivo proporcionar información útil a los usuarios, y el clima es una parte central de eso», concluyó Alet.