LONDRES – Acabamos de ser testigos del comienzo de un cambio de paradigma en la ciencia terrestre. Un artículo publicado en la revista Nature en julio mostró que una red neural (inteligencia artificial) predijo el clima mejor que el Centro Europeo de Pronósticos Climáticos de Alcance Medio, que posee el sistema de pronósticos climáticos más avanzados del mundo. Y después, en noviembre, DeepMind de Google anunció que su IA de pronóstico del clima había generado predicciones aún más precisas.
Tradicionalmente, el enfoque para predecir el clima es usar observaciones tomadas en un punto del tiempo como condiciones iniciales para realizar ecuaciones basadas en principios físicos. En contraste, una IA procesará datos recolectados a lo largo del tiempo y luego “aprenderá” la dinámica que las ecuaciones tradicionales deben describir explícitamente. Ambos métodos dependen de supercomputadoras, pero la IA no tiene necesidad de teorías desarrolladas formalmente.
Los pronósticos climáticos determinan los destinos de las aeronaves, las rutas de los barcos y ayudan a manejar todo tipo de riesgos civiles y militares causados por un ambiente cambiante. Eso importa. Si bien estos son días relativamente tempranos para las aplicaciones de IA en este ámbito y todavía hay mucho margen que desarrollar, tanto como en este en otros sectores, los pronósticos impulsados por IA pueden desplazar los empleos de profesionales humanos, puesto que las redes neurales no precisan de conocimientos de meteorología dinámica (los autores del artículo de Nature son ingenieros sin ese tipo de formación). Pero las implicancias no se detienen allí.
LONDRES – Acabamos de ser testigos del comienzo de un cambio de paradigma en la ciencia terrestre. Un artículo publicado en la revista Nature en julio mostró que una red neural (inteligencia artificial) predijo el clima mejor que el Centro Europeo de Pronósticos Climáticos de Alcance Medio, que posee el sistema de pronósticos climáticos más avanzados del mundo. Y después, en noviembre, DeepMind de Google anunció que su IA de pronóstico del clima había generado predicciones aún más precisas.
Tradicionalmente, el enfoque para predecir el clima es usar observaciones tomadas en un punto del tiempo como condiciones iniciales para realizar ecuaciones basadas en principios físicos. En contraste, una IA procesará datos recolectados a lo largo del tiempo y luego “aprenderá” la dinámica que las ecuaciones tradicionales deben describir explícitamente. Ambos métodos dependen de supercomputadoras, pero la IA no tiene necesidad de teorías desarrolladas formalmente.
Los pronósticos climáticos determinan los destinos de las aeronaves, las rutas de los barcos y ayudan a manejar todo tipo de riesgos civiles y militares causados por un ambiente cambiante. Eso importa. Si bien estos son días relativamente tempranos para las aplicaciones de IA en este ámbito y todavía hay mucho margen que desarrollar, tanto como en este en otros sectores, los pronósticos impulsados por IA pueden desplazar los empleos de profesionales humanos, puesto que las redes neurales no precisan de conocimientos de meteorología dinámica (los autores del artículo de Nature son ingenieros sin ese tipo de formación). Pero las implicancias no se detienen allí.