El modelo de IA de Nvidia predijo con precisión la tormenta con semanas de antelación.

Mientras la tormenta invernal azotaba gran parte de los Estados Unidos, las previsiones meteorológicas para determinadas regiones mostraban discrepancias significativas, con predicciones de nevadas que variaban considerablemente.

El momento en que Nvidia presentó sus nuevos modelos de predicción meteorológica Earth-2 no podía ser más oportuno. O tal vez, dada la precisión que se atribuye a estos modelos, ¿la empresa tenía información previa sobre las condiciones meteorológicas?

Estos nuevos modelos de IA están diseñados para ofrecer pronósticos meteorológicos más rápidos y precisos. Nvidia afirma que un modelo específico, Earth-2 Medium Range, supera al modelo meteorológico de IA de Google DeepMind, GenCast, en más de 70 variables. GenCast, lanzado por Google en diciembre de 2024, ya había demostrado una precisión superior en comparación con los modelos meteorológicos existentes capaces de generar pronósticos con hasta 15 días de antelación.

Nvidia presentó estas nuevas herramientas el lunes en la reunión de la Sociedad Meteorológica Americana en Houston.

«Desde un punto de vista filosófico y científico, esto representa una vuelta a la simplicidad», explicó Mike Pritchard, director de simulación climática de Nvidia, a los periodistas antes de la reunión. «Estamos dejando atrás las arquitecturas de IA especializadas y artesanales y abrazando el futuro de los sistemas sencillos y escalables basados en transformadores».

Las previsiones meteorológicas convencionales se basan principalmente en simulaciones físicas de observaciones del mundo real. Los modelos de IA son un desarrollo más reciente en este campo. El modelo Earth-2 Medium Range se basa en una nueva arquitectura de Nvidia llamada Atlas, cuyos detalles se darán a conocer el lunes.

Además de Medium Range, la suite Earth-2 de Nvidia incluye un modelo Nowcasting y un modelo Global Data Assimilation.

Entradas para Disrupt 2026: oferta única

¡Las entradas ya están disponibles! Ahorre hasta 680 $ durante esta oferta por tiempo limitado y sea uno de los primeros 500 inscritos en recibir un 50 % de descuento en su pase +1. TechCrunch Disrupt cuenta con líderes del sector de Google Cloud, Netflix, Microsoft, Box, a16z, Hugging Face y muchos otros en más de 250 sesiones centradas en impulsar el crecimiento y mejorar su ventaja competitiva. Interactúa con cientos de startups innovadoras y participa en oportunidades de networking seleccionadas que facilitan acuerdos, proporcionan información valiosa y despiertan la inspiración.

Entradas para Disrupt 2026: oferta única.

¡Ya están disponibles las entradas! Ahorre hasta 680 $ durante esta oferta por tiempo limitado y sea uno de los primeros 500 inscritos en recibir un 50 % de descuento en su pase +1. TechCrunch Disrupt cuenta con líderes del sector de Google Cloud, Netflix, Microsoft, Box, a16z, Hugging Face y muchos otros en más de 250 sesiones centradas en impulsar el crecimiento y mejorar su ventaja competitiva. Interactúa con cientos de startups innovadoras y participa en oportunidades de networking seleccionadas que facilitan acuerdos, proporcionan información valiosa y despiertan la inspiración.

El nowcasting genera predicciones meteorológicas a corto plazo, de cero a seis horas de antelación, lo que ayuda a los meteorólogos a evaluar los posibles efectos de las tormentas y otras condiciones meteorológicas peligrosas.

«Dado que este modelo se entrena directamente con datos de satélites geoestacionarios disponibles a nivel mundial, en lugar de con los resultados de modelos físicos específicos de cada región, Nowcasting puede adaptarse a cualquier lugar con una cobertura satelital adecuada», señaló Pritchard. Esta capacidad debería ayudar a los gobiernos estatales y a las naciones más pequeñas a comprender cómo los sistemas meteorológicos severos podrían afectar a sus regiones.

El modelo de asimilación de datos globales procesa datos de fuentes como estaciones meteorológicas y globos para crear instantáneas continuas de las condiciones meteorológicas en miles de lugares del mundo. Estas instantáneas sirven como punto de partida para que los modelos meteorológicos generen sus previsiones.

Tradicionalmente, la producción de estas instantáneas exigía enormes recursos informáticos antes de poder comenzar la previsión. «Este proceso suele consumir alrededor del 50 % de la capacidad total de supercomputación utilizada en la previsión meteorológica tradicional», explicó Pritchard. «Nuestro modelo puede lograrlo en minutos utilizando GPU, en lugar de las horas que requieren los superordenadores».

Estos tres nuevos modelos se suman a los dos ya existentes: CorrDiff, que utiliza previsiones de grano grueso para generar rápidamente predicciones de alta resolución, y FourCastNet 3, que modela variables meteorológicas individuales como la temperatura, el viento y la humedad.

Según Pritchard, estos nuevos modelos deberían democratizar el acceso a las herramientas avanzadas de predicción meteorológica, que históricamente han estado disponibles principalmente para los países más ricos y las grandes empresas que pueden permitirse el costoso tiempo de supercomputación.

«Estas herramientas proporcionan los pilares fundamentales para todos los integrantes del ecosistema —servicios meteorológicos nacionales, empresas financieras, compañías energéticas— cualquier organización interesada en desarrollar y perfeccionar modelos de predicción meteorológica», afirmó Pritchard. Algunas herramientas ya están operativas, y meteorólogos de Israel y Taiwán utilizan Earth-2 CorrDiff, mientras que The Weather Company y Total Energies están evaluando Nowcasting.

«Aunque algunos usuarios pueden preferir suscribirse a sistemas centralizados de predicción meteorológica para empresas, otros, en particular los países, dan prioridad a la soberanía», subrayó Pritchard. «El clima representa una preocupación para la seguridad nacional, lo que hace que la soberanía y la predicción meteorológica estén intrínsecamente interconectadas».