La prestigiosa revista científica Nature publica un artículo sobre el modelo de previsión meteorológica basado en IA Pangu Weather, creado por investigadores de Huawei Cloud

06 de julio de 2023 GMT+08:00

5 de julio de 2023 - Huawei Cloud anunció que Nature, una de las principales revistas científicas del mundo, publicó un artículo sobre su innovador modelo de previsión meteorológica basado en IA, Pangu Weather.

La publicación marca un hito, ya que es la primera vez que la revista Nature tiene en sus manos un artículo redactado completamente por empleados de una empresa tecnológica China, tal como lo demuestra el historial de publicaciones. El artículo, publicado el 5 de julio de 2023, describe el proceso de desarrollo de un sistema concreto y preciso de previsión meteorológica global mediante IA basado en el aprendizaje profundo utilizando 43 años de datos.

Pangu-Weather es el primer modelo de predicción basado en IA que demuestra una exactitud superior a la de los métodos numéricos tradicionales de previsión meteorológica. El modelo aumenta 10,000 veces la velocidad de predicción, lo que reduce el tiempo de predicción meteorológica mundial a solo segundos. El artículo, denominado “Accurate medium-range global weather forecasting with 3D neural networks”, proporciona verificaciones independientes de estas capacidades.

Pangu-Weather desafía los supuestos que anteriormente respaldaban que la precisión de los pronósticos meteorológicos de la IA es inferior a los pronósticos numéricos tradicionales. El modelo, desarrollado por el equipo de Huawei Cloud, es el primer modelo de predicción mediante IA que ofrece una precisión mayor que los métodos de predicción numérica tradicionales.  

Con el rápido desarrollo de la potencia de cómputo durante los últimos 30 años, la exactitud de las previsiones meteorológicas numéricas ha mejorado drásticamente, lo que permite alertar sobre catástrofes extremas y predecir el cambio climático. Sin embargo, el método sigue siendo relativamente lento. Para mejorar la velocidad de predicción, los investigadores han estado explorando cómo utilizar métodos de aprendizaje profundo. La exactitud de los pronósticos basados en IA a medio y largo plazo sigue siendo inferior a la de los pronósticos numéricos, ya que la IA ha sido incapaz de predecir condiciones meteorológicas extremas e inusuales, como los tifones.

Cada año, se producen alrededor 80 tifones en todo el mundo. En 2022, solo en China, las pérdidas económicas directas causadas por tifones alcanzaron los 5,420 millones de yuanes, según las cifras proporcionadas por el Ministerio de Gestión de Emergencias de China. Cuanto antes se envíen las alertas, más fácil y mejor será organizar la ayuda necesaria.

Debido a su rapidez, los modelos de previsión meteorológica basados en IA han resultado atractivos, pero han carecido de precisión por dos razones. En primer lugar, los modelos existentes se basan en redes neuronales 2D, que no pueden procesar bien la falta de uniformidad de los datos meteorológicos 3D. En segundo lugar, la previsión meteorológica a medio plazo puede verse afectada por errores acumulativos de previsión cuando el modelo se invoca demasiadas veces.

Cómo Pangu-Weather aborda estos desafíos

Durante la etapa de pruebas científicas, el modelo Pangu-Weather ha demostrado una mayor exactitud que los métodos tradicionales de predicción numérica para previsiones de 1 hora a 7 días, con un aumento de la velocidad de predicción de 10,000 veces. El modelo puede predecir con exactitud y en segundos características meteorológicas específicas como la humedad, la velocidad del viento, la temperatura y la presión a nivel del mar.

El modelo utiliza una arquitectura 3D Earth-Specific Transformer (3DEST) para procesar datos meteorológicos 3D no uniformes y complejos. A través de una estrategia de agregación jerárquica y temporal, el modelo fue entrenado para diferentes intervalos de previsión, usando intervalos de 1, 3, 6 y 24 horas. Como resultado, se redujo la cantidad de iteraciones necesarias para predecir una condición meteorológica en un momento específico y la cantidad de pronósticos erróneos también disminuyó.

Para entrenar el modelo en intervalos de tiempo específicos, los investigadores entrenaron 100 épocas (ciclos) utilizando muestras horarias de datos meteorológicos obtenidos desde 1979 a 2021. Cada uno de los submodelos resultantes necesitó 16 días de entrenamiento en 192 tarjetas gráficas V100. El modelo Pangu-Weather ahora puede realizar predicciones meteorológicas globales de las siguientes 24 horas en solo 1.4 segundos con una tarjeta gráfica V100, lo que supone una mejora de 10,000 veces respecto a la predicción numérica tradicional.

Al explicar por qué el equipo de IA de Huawei Cloud decidió centrarse en las predicciones meteorológicas, el Dr. Tian Qi, científico jefe del campo de IA de Huawei Cloud, miembro del IEEE y académico de la International Eurasian Academy of Sciences, expresó: “La predicción meteorológica es uno de los escenarios más importantes dentro del campo del cómputo científico debido a su complejidad, ya que resulta difícil abarcar todos los aspectos del conocimiento matemático y físico. Por este motivo, nos sentimos orgullosos de que nuestra investigación haya sido reconocida por la revista Nature. Los modelos de IA pueden extraer leyes estadísticas de la evolución atmosférica a partir de datos masivos. En la actualidad, Pangu-Weather realiza principalmente el trabajo de un sistema de previsión y su principal capacidad es predecir la evolución de los estados atmosféricos. Nuestro objetivo final es construir un marco de previsión meteorológica de nueva generación que utilice tecnologías de IA para reforzar los sistemas de previsión existentes”.

Comentando sobre la importancia y la calidad de la investigación de Huawei Cloud, los revisores académicos de Nature, explicaron que Pangu-Weather no solo es muy fácil de descargar y ejecutar, sino también que su funcionamiento, incluso en equipos de escritorio, no presentó ningún inconveniente. “Esto significa que cualquier persona de la comunidad meteorológica puede ejecutar y probar estos modelos fácilmente; sin duda, una gran oportunidad para que la comunidad explore la eficacia del modelo para predecir fenómenos específicos. Eso va a ayudar al progreso del campo”. Otro revisor señaló que “los resultados en sí son un paso significativo más allá de los resultados anteriores. Este trabajo, en mi opinión, hará que la gente reevalúe cómo podrían ser los modelos de pronósticos en el futuro”.

En mayo de 2023, el tifón Mawar captó la atención del mundo como el ciclón tropical más fuerte del año hasta ese momento. Según la Administración Meteorológica de China, Pangu-Weather predijo con exactitud la trayectoria del tifón Mawar cinco días antes de que cambiara de rumbo en aguas orientales de las islas de Taiwán (China).

Pangu tuvo un margen de error menor en la predicción de la ruta del tifón Mawar.

Además, para que los principales modelos de previsión meteorológica basados en IA sigan avanzando, también son esenciales entornos de nube estables, suites de trabajo y las correspondientes tareas de operación y mantenimiento.