Google WeatherNext 3 omite el paso intermedio y lee datos satelitales directamente

Google ha presentado WeatherNext 3, un modelo que reduce el tiempo necesario para emitir un pronóstico de las habituales seis a tres o cuatro horas. Lo hace eliminando un paso en el que la meteorología se ha basado históricamente.

El fin de la dependencia de la asimilación de datos

Los modelos de IA anteriores trabajaban con datos que ya habían sido procesados. Los institutos meteorológicos tienen que recalcular de forma compleja (asimilar) las señales en bruto de satélites y radares en una cuadrícula que represente el estado de la atmósfera. WeatherNext 3 aprende directamente de imágenes satelitales en bruto y reportes de estaciones terrestres, reduciendo la latencia.

Cambian los requisitos de hardware para despliegues locales

Al evitar los sistemas de asimilación tradicionales que se ejecutan en supercomputadoras gubernamentales, el modelo altera la barrera para entidades comerciales. Empresas de logística o agricultores teóricamente podrían generar sus propios pronósticos mucho más cerca del tiempo real, siempre y cuando puedan acceder al flujo de datos satelitales sin procesar.

Las anomalías físicas siguen siendo una caja negra

Eliminar la asimilación física tiene su precio. Al introducir datos en bruto directamente en el modelo, se pierde la capa de control que verifica si la entrada viola las leyes físicas básicas. Si un sensor comienza a enviar ruido, la IA tiene que lidiar con ello por sí misma.

La fiabilidad durante eventos extremos demostrará el verdadero valor

Las operaciones diarias de rutina serán más rápidas. La cuestión clave es si el modelo, sin «supervisión» física, puede mantener la precisión durante huracanes y cambios rápidos del clima, donde los datos en bruto a menudo contienen fluctuaciones masivas.

El veredicto de Lilith

Google no optimizó el pronóstico del tiempo. Convirtió un costoso monopolio gubernamental de limpieza de datos en un problema de software.