La gran cantidad de información que cada día generan las observaciones satelitales y la red de estaciones, sondas, boyas y sensores meteorológicos que los científicos de todo el mundo controlan en tierra, mar y aire, hace que la comunidad científica se encuentre con una avalancha de datos que no siempre se pueden analizar.
Por ello, muchos de estos investigadores están recurriendo a la inteligencia artificial y al aprendizaje automático, con el objetivo de aplicar en el campo de la meteorología y la climatología estas técnicas y así aprovechar al 100% tan vasta información.
Machine learning o Aprendizaje automático
Cada vez más meteorólogos y climatólogos utilizan la inteligencia artificial para navegar a través de toda la información existente, con la esperanza de descubrir nuevos patrones climáticos y mejorar las predicciones. De hecho, hace unos meses os contábamos las primeras experiencias encaminadas en este sentido.
El machine learning o aprendizaje automático, se trata de una rama de la inteligencia artificial que trata de desarrollar técnicas que permitan a las propias computadoras aprender.
Cabe aclarar, que en el contexto de los equipos informáticos, aprender quiere decir identificar patrones complejos en millones de datos para llegar a alguna solución o decisión.
El aprendizaje automático en la previsión del tiempo
En el aprendizaje automático, los sistemas de inteligencia artificial mejoran el rendimiento a medida que crece la cantidad de datos que analizan. Este enfoque se trata de un complemento natural para la ciencia climática.
Por poner un ejemplo, una sola ejecución de un modelo climático de alta resolución puede producir un petabyte de datos, mientras que el archivo de datos climáticos del Met Office de Reino Unido cuenta con un espacio de alrededor de 45 petabytes de información agregando 0.085 petabytes por día.
En los últimos años, los investigadores han utilizado sistemas de inteligencia artificial para mejorar la clasificación de los modelos climáticos, detectar ciclones y otros fenómenos meteorológicos extremos, tanto en datos climáticos reales como modelados, e identificar nuevos patrones climáticos.
La climatología, una rama ideal para aplicar la inteligencia artificial
La complejidad de las proyecciones climáticas es un ámbito muy adecuado para el análisis mediante enfoques de aprendizaje profundo y por ello desde hace años diferentes grupos de investigación están llevando a cabo estas técnicas.
En 2016, un grupo de investigadores informó sobre el primer uso de un sistema de aprendizaje profundo para identificar los ciclones tropicales, los ríos atmosféricos y los frentes meteorológicos: características definidas vagamente cuya identificación depende del juicio de los expertos.
Aquella experiencia mostró que el algoritmo podría replicar la experiencia humana. Ahora un equipo, que tiene su sede en el Laboratorio Nacional Lawrence Berkeley (LBNL) en California, espera utilizar técnicas similares para estudiar todo tipo de eventos extremos.
El objetivo final de los investigadores es evaluar y predecir mejor cómo estos eventos están cambiando frente al denominado cambio climático.
Ejemplos concretos
En el centro de computación de la Universidad de Minnesota en Minneapolis, han utilizado el aprendizaje automático para crear algoritmos que son capaces de monitorear los incendios forestales y evaluar la deforestación.
Además, este equipo de trabajo ha realizado con éxito análisis numéricos para que los computadores aprendieran a identificar los patrones de presión atmosférica conocidos como teleconexiones, como el patrón climático de El Niño.
Otro científico, Monteleoni, desarrolló algoritmos de aprendizaje automático para crear promedios ponderados de los aproximadamente 30 modelos climáticos utilizados por el Panel Intergubernamental sobre Cambio Climático. Al aprender las fortalezas y debilidades de los modelos, esos algoritmos mejoraron los resultados de los enfoques convencionales que tratan a todos los modelos por igual.
Cajas negras
Debido a que los sistemas de aprendizaje profundo desarrollan sus propias reglas, los investigadores a menudo no pueden decir cómo o por qué estos algoritmos llegan a un resultado dado lo que para algunos científicos resulta una metodología extraña o poco fiable para pronosticar emergencias meteorológicas inminentes, como las inundaciones.
En cambio, para otros investigadores estos algoritmos de inteligencia artificial son los más adecuados para ayudar a evaluar la próxima generación de modelos climáticos. De hecho, en 2016, nueve meteorólogos del Servicio Meteorológico Nacional de EE.UU. eligieron usar un algoritmo de inteligencia artificial en aproximadamente el 75% de sus frente a los métodos convencionales.
Referencia: http://www.nature.com/news/how-machine-learning-could-help-to-improve-climate-forecasts-1.22503
Tú opinas